Resumen

Con el fin de mejorar la precisión del procesamiento de señales cerebrales y acelerar la velocidad al mismo tiempo, presentamos en este artículo un método óptimo e inteligente para la aplicación de clasificación de grandes conjuntos de datos. Se introduce la Máquina de Aprendizaje Extremo Optimizada (OELM) en la clasificación de características de Electrocorticograma (ECoG) en el sistema de interfaz cerebro-computadora (BCI) basado en la imaginación motora, con el Patrón Espacial Común (CSP) para extraer la característica. Al compararlo con otros métodos de clasificación convencionales como SVM y ELM, explotamos varios indicadores para evaluar el rendimiento de todos los métodos adoptados de manera objetiva. La precisión del sistema BCI propuesto se acerca aproximadamente al 92.31% al clasificar épocas de ECoG en movimientos de meñique izquierdo o lengua, mientras que la precisión más alta obtenida por otros métodos no supera el 81%, lo que confirma que OELM es más eficiente que SVM

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Mejorar; Procesamiento de señales cerebrales; Acelerar la velocidad; Método óptimo; Clasificación de conjuntos de datos grandes; Clasificación de características de ECoG
• Keywords:Improve; Brain signal processing; Accelerate speed; Optimal method; Large dataset classification; ECoG feature classification