Resumen

El control basado en electroencefalografía (EEG) es una técnica no invasiva que emplea señales cerebrales para controlar dispositivos/circuitos eléctricos. Actualmente, los sistemas de interfaz cerebro-computadora (BCI) proporcionan dos tipos de señales, señales crudas y señales de estado lógico. Estas últimas se utilizan para encender/apagar los dispositivos. En este documento, se exploran las capacidades de los sistemas BCI, y se realiza una encuesta sobre cómo extender y mejorar la fiabilidad y precisión de los sistemas BCI. Se proporcionó una visión estructurada que consta de la adquisición de datos, extracción de características y métodos de algoritmos de clasificación utilizados por diferentes investigadores en los últimos años. Algunos algoritmos de clasificación para sistemas BCI basados en EEG son clasificadores adaptativos, clasificadores tensoriales, enfoque de aprendizaje por transferencia y aprendizaje profundo, así como algunas técnicas misceláneas. Según nuestra evaluación, generalmente concluimos que, a través de clas

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Electroencefalografía; Interfaz cerebro-computadora; Señales; Algoritmos de clasificación; Aprendizaje profundo; Fiabilidad
• Keywords:Electroencephalography; Brain-computer interface; Signals; Classification algorithms; Deep learning; Reliability