Algoritmos bioinspirados para la implementación de interfaces cerebro computadoras.
Las interfaces cerebro-computadora son sistemas que proporcionan comunicación a un dispositivo externo utilizando en forma directa mediciones de la actividad cerebral. Estos sistemas utilizan métodos de procesamiento de señales y aprendizaje maquinal para traducir en comandos útiles la actividad cer...
Guardado en:
| Autor Principal: | |
|---|---|
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Materias: |
| Sumario: | Las interfaces cerebro-computadora son sistemas que proporcionan comunicación a un dispositivo externo utilizando en forma directa mediciones de la actividad cerebral. Estos sistemas utilizan métodos de procesamiento de señales y aprendizaje maquinal para traducir en comandos útiles la actividad cerebral registrada. Entre las señales empleadas para implementar interfaces cerebro- computadora podemos encontrar los potenciales relacionados con eventos, los cuales están comúnmente enmascarados por ruido no correlacionado de gran amplitud. Este es uno de los principales problemas de procesamiento de señales que se deben resolver en las interfaces cerebro-computadora basadas en potenciales P300. La clasificación y estimación de pequeñas señales repetitivas usualmente requiere del registro y procesamiento de varias realizaciones de la señal de interés, siendo cada repetición un proceso que consume tiempo y reduce la tasa de transferencia de información. Para afrontar este problema, se ha propuesto una nueva variante de autocodificador con una función de coste multiobjetivo, llamada autocodificador de estimación de promedios coherentes. En este trabajo se ilustra su uso y analiza su desempeño aplicándolo al problema del procesamiento de potenciales relacionados con eventos. También se presentan resultados experimentales que muestran las ventajas del enfoque propuesto. |
|---|---|
| Descripción Física: | 96 h. il. 30 cm. Disponible también en Biblioteca Virtual de la UNL. |
| Bibliografía: | Bibliografía: p. 85 |