Abstract: P. Paula, T. Silva, R. Faissol, D. Fantinato (2023)

Brainâ€“Computer Interfaces (BCI) systems based on electroencephalography (EEG) signals are experiencing a rapid development, counting with a number of methods, mainly from signal processing and machine learning areas. Although important results have been achieved, a robust performance is still a very challenging task, mainly considering high intra- and inter-subject variability in EEG data and long acquisition time intervals. Recently, Deep Learning methods, such as the Convolutional Neural Networks (CNNs), are being used in BCI systems in search of a performance improvement. However, the straightforward use of EEG data, without any processing step, may limit the full potential of 2D-kernels in CNNs. In light of this, in this work, we consider for classification with 2D-kernel-based CNNs the problem of encoding EEG data to images as a pre-processing stage, which includes the Gramian Angular Difference and Summation Fields, Markov Transition Fields and Recurrence Plots. Additionally, a comparative analysis using a selection of CNNs is performed. Results show a favorable performance for the proposed method, pointing towards a robust BCI system using cross-subject data, with short acquisition time interval.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Classification of image encoded SSVEP-based EEG signals using Convolutional Neural Networks