Details

Title: Классификация временных последовательностей на основе римановой геометрии // Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. Ч. 2
Creators: Журавская Анжелика; Станкевич Лев Александрович
Organization: Санкт-Петербургский политехнический университет Петра Великого; Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК)
Imprint: Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023
Collection: Общая коллекция
Subjects: Геометрия Римана; временные последовательности; классификация; интерфейс мозг-компьютер; распознавание воображаемых движений; бесконтактное управление роботом; time sequences; classification; brain-computer interface; recognition of imaginary movements; non-contact robot control
UDC: 514.764.2
Document type: Article, report
File type: PDF
Language: Russian
DOI: 10.18720/SPBPU/2/id23-82
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\70787

Allowed Actions: Read Download (1.0 Mb)

Group: Anonymous

Network: Internet

Annotation

Работа посвящена распознаванию многомерных временных последовательностей. Представлены результаты исследований по разработке и тестированию классификатора временных последовательностей, построенного на римановой геометрии. Разработанный классификатор протестирован на задаче распознавания воображаемых движений рук и ног в интерфейсах «мозг-компьютер». Показано, что классификаторы на основе римановой геометрии позволяют успешно распознавать многомерные паттерны электроэнцефалографических сигналов, соответствующие воображаемым командам поднятия правой и левой рук, сжатия их кистей, а также поднятия правой и левой ноги и нажатия их ступней. При соответствующей настройке такие классификаторы могут обеспечить более высокую точность в некоторых случаях, чем традиционные классификаторы на методе опорных векторов или нейронных сетях, особенно при вариабельных исходных данных. Приведены предварительные результаты, показывающие возможность бесконтактного управления роботом по этим сигналам. Средняя точность распознавания моторных воображаемых команд составила 71 %.

The work is devoted to the recognition of multidimensional time sequences. The results of research are development and testing a classifier based on Riemannian geometry for time series. The developed classifier was tested on the task of recognizing imaginary movements of arms and legs in brain-computer interfaces. It is shown that classifiers based on Riemannian geometry can successfully recognize multidimensional patterns of electroencephalographic signals corresponding to imaginary commands of raising the right and left hands, squeezing their hands, as well as raising the right and left legs and pressing their feet. With appropriate tuning, such classifiers can provide higher accuracy, in some cases, than traditional support vector machine or neural network classifiers, especially with variable input data. Preliminary results are presented showing the possibility of non-contact control of the robot by these signals. The average accuracy of recognition of imaginary motor commands was 71 %.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Table of Contents

  • 1
  • 24SAEC_2022_Часть_2
  • Step and repeat document 1 3

Usage statistics

stat Access count: 74
Last 30 days: 10
Detailed usage statistics