Детальная информация

В данной работе приведен обзор мозг-компьютерных интерфейсов, проведена их классификация. Был разработан алгоритм классификации моторных воображаемых движений, основанный на вейвлет преобразованиях и свёрточных нейронных сетях. Работа производилась с парадигмой HaLT набора данных «Large EEG Dataset» с 6 классами воображаемых движений. Итоговая доля верных ответов модели при классификации между субъектами – 0.71, а при внутри субъектной – 0.74 (средняя) и 0.81 (медианная). Кроме того, в работе исследовались некоторые свойства вейвлет преобразований, а также сигналов ЭЭГ головного мозга и их спектрограмм. Был описан алгоритм вейвлет преобразований, а также написан код для их параллельного вычисления на графических процессорах.

This paper provides an overview of brain-computer interfaces and their classification. An algorithm for classifying motor imaginary movements based on wavelet transformations and convolutional neural networks has been developed. The work was performed with the HaLT paradigm of the "Large EEG Dataset" with 6 classes of imaginary movements. The final accuracy metric in the cross-subject classification is 0.71, and in the case of within-subject classification – 0.74 (average) and 0.81 (median). In addition, the work investigated some properties of wavelet transformations, as well as brain EEG signals and their spectrograms. An algorithm for wavelet transformations was described, and code was written for their parallel calculation on GPUs.