Resumen

La modelación de la actividad corticomuscular basada en múltiples conjuntos de datos como señales de electroencefalografía (EEG) y electromiografía (EMG) proporciona una herramienta útil para entender los sistemas de control motor humano. En este artículo, proponemos modelar la actividad corticomuscular combinando mínimos cuadrados parciales (PLS) y análisis de correlación canónica (CCA). El método propuesto aprovecha tanto PLS como CCA para garantizar que los componentes extraídos estén correlacionados de manera óptima en dos conjuntos de datos y al mismo tiempo puedan explicar bien la información dentro de cada conjunto de datos. Esta combinación complementaria generaliza las suposiciones estadísticas más allá de ambos métodos PLS y CCA. Se realizaron simulaciones para ilustrar el rendimiento del método propuesto. También aplicamos el método propuesto a datos EEG y EMG recopilados de manera simultánea en un estudio de la enfermedad de Parkinson (PD). Los resultados revelan varios patrones temporales altamente correlacionados entre las señales de EEG y EMG e indic

• 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 propuesto; Actividad corticomuscular; Señales de EEG; EMG; PLS; CCA
• Keywords:Proposed method; Corticomuscular activity; EEG; EMG signals; PLS; CCA