Resumen

Este artículo presenta un método heurístico para la agrupación y clasificación de características de electroencefalografía (EEG) utilizando búsqueda armónica (HS) para mejorar la precisión del sistema de interfaz cerebro-computadora (BCI). El EEG, un método BCI no invasivo, utiliza muchos electrodos en el cuero cabelludo, y un gran número de electrodos dificulta el análisis resultante. Además, el análisis tradicional de EEG no puede manejar múltiples estímulos. Por otro lado, el método de clasificación utilizando la señal de EEG tiene una baja precisión. Para resolver estos problemas, utilizamos un enfoque heurístico para reducir las complejidades en problemas multicanal y de clasificación. En este estudio, construimos un grupo de estímulos utilizando el algoritmo HS. Luego, las características de los patrones espaciales comunes son clasificadas por el clasificador HS. Para confirmar el método propuesto, realizamos experimentos utilizando un equipo de EEG de 64 canales. Los sujetos son sometidos a tres tipos de estímulos: auditivo

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Método heurístico; Electroencefalografía; Búsqueda de armonía; Interfaz cerebro-computadora; Estímulos; Clasificación
• Keywords:Heuristic method; Electroencephalography; Harmony search; Brain-computer interface; Stimuli; Classification