view in publisher's site

Uncertainty Management by Feature Space Tuning for Single-Trial P300 Detection

The P300 is a widely studied event-related potential, which allows non-muscular communication. In P300 induced brain–computer interfacing, one often comes across the challenge of modeling uncertainties due to fluctuations in EEG feature values within a specific session and across several sessions of EEG recordings of a specific subject. The relevance of fuzzy systems in this domain thus cannot be undermined. In this paper, the authors propose (a) an interval type-2 fuzzy classifier for detecting P300 occurrences and (b) a feature tuning algorithm for selection of Autoregressive Yule Parameter features of optimal lag-length corresponding to individual electrodes with an aim to maximize a classifier-oriented performance metric. The classifier performance metric is formulated as a simple objective function tailored to the classifier performance in terms of low uncertainty and high classification accuracy. The relationship between the proposed objective function value and classification accuracy is found to be statistically significant over iterations. The experimental results show that the proposed algorithm achieves an average accuracy of 90.8%.

مدیریت عدم قطعیت توسط فضای ویژگی برای تشخیص p۳۰۰ تک حکم

The یک پتانسیل مرتبط با رویداد است که امکان ارتباط غیر عضلانی را فراهم می‌کند. در ایجاد ارتباط بین مغز و کامپیوتر، اغلب از چالش مدل‌سازی عدم قطعیت‌های ناشی از نوسانات در مقادیر ویژگی EEG در یک جلسه خاص و در طول چندین جلسه ضبط EEG از یک سوژه خاص نشات می‌گیرد. بنابراین ارتباط سیستم‌های گنگ در این حوزه را نمی توان تحلیل کرد. در این مقاله، نویسندگان (a)یک طبقه‌بندی کننده فازی نوع ۲ - ۲ برای تشخیص رخدادهای p۳۰۰ و (b)یک الگوریتم تنظیم ویژگی برای انتخاب ویژگی‌های پارامتر تاخیر - تاخیر بهینه متناظر با الکترودهای منفرد با هدف بیشینه کردن معیار عملکرد طبقه‌بندی کننده را پیشنهاد می‌کنند. معیار عملکرد طبقه‌بندی کننده به عنوان یک تابع هدف ساده متناسب با عملکرد طبقه بند از نظر عدم قطعیت پایین و دقت طبقه‌بندی بالا فرمول‌بندی می‌شود. رابطه بین ارزش تابع هدف مطرح‌شده و دقت طبقه‌بندی از لحاظ آماری در طول تکرار معنادار است. نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی دقت متوسط ۹۰.۸ % دارد.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.