Resumen

La informática de borde móvil (MEC) tiene la capacidad de reconocimiento de patrones y procesamiento inteligente de datos en tiempo real. El electroencefalograma (EEG) es una herramienta muy importante en el estudio de la epilepsia. Proporciona información detallada que no puede ser suministrada por otros métodos fisiológicos. En la clasificación automática de señales de EEG mediante algoritmos inteligentes, la extracción de características y el establecimiento de clasificadores son pasos muy importantes. Diferentes métodos de extracción de características, como el dominio temporal, el dominio de frecuencia y los métodos de características dinámicas no lineales, contienen información específica independiente y diversa. El uso de múltiples formas de características al mismo tiempo puede mejorar la precisión del reconocimiento de la epilepsia. En este artículo, aplicamos el aprendizaje métrico al reconocimiento de señales de EEG epilépticas. Inspirados en el algoritmo de aprendizaje métrico restringido por equidistancia, proponemos el aprendizaje métrico multifeature bas

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Computación en el borde móvil; EEG; Extracción de características; Clasificadores; Aprendizaje métrico; Epilepsia
• Keywords:Mobile edge computing; Eeg; Feature extraction; Classifiers; Metric learning; Epilepsy