Indiziert in
- Öffnen Sie das J-Tor
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Publons
- Internationale wissenschaftliche Indexierung
- Euro-Pub
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Ein neuartiger dreidimensionaler wahrscheinlichkeitsbasierter Klassifikator zur Verbesserung der motorischen Vorstellungskraft des BCI
Adrian Ashley
Einleitung: Eine auf Motorimagery-BCI basierende assistive Robotiklösung hat das Potenzial, die Unabhängigkeit der oberen Mobilität einer behinderten Person zu ermöglichen. Ziel dieser Arbeit war es, die Klassifikationsleistung etablierter Klassifikatoren mit einem neuartigen Klassifikatorprototyp zu vergleichen. Ansatz: Der Autor entwickelte einen adaptiven ADS-Klassifikator mit Entscheidungsoberfläche mit dem zukünftigen Ziel, eine assistive robotische Handprothese so zu erweitern, dass sie sich öffnen und schließen kann, um in Zusammenarbeit mit LIDAR-Sensoren ein Objekt zu greifen. Der ADS wurde mit einem Trainingsdatensatz aus dem BCI-Wettbewerb IV-Datensatz 2a der TU Graz trainiert. Hauptergebnisse: Die Klassifikationsgenauigkeit in den Offline-Tests erreichte 76,06 % Klasse 1 und 81,50 % Klasse 2 unter Verwendung eines nicht adaptiven ADS und 79,55 % Klasse 1 und 99,69 % Klasse 2 unter Verwendung eines adaptiven ADS-Klassifikators. Schlussfolgerung: Der Autor zeigt einen Prototyp eines adaptiven Entscheidungsklassifikators, der mit Motorimagery-Datensätzen verwendet wird.