Ανάλυση και επεξεργασία δεδομένων εγκεφαλογραφικών καταγραφών με τεχνικές μηχανικής μάθησης

Περίληψη

Σε αυτή τη διδακτορική διατριβή, έχει εφαρμοστεί ένα ευρύ φάσμα προσεγγίσεων Μηχανικής Μάθησης (ΜΜ) σε πειράματα που σχετίζονται με τον εγκέφαλο, παρέχοντας τη βάση για αλληλεπιδράσεις Διεπαφών Ανθρώπου-Μηχανής (ΔΑΜ) και Διεπαφών Εγκεφάλου-Υπολογιστή (ΔΕΥ) ρίχνοντας φως σε υποκείμενες γνωστικές πτυχές διαφορετικών καταστάσεων όσον αφορά τη νευροεπιστήμη. Υπό αυτό το πρίσμα, πρέπει να σημειωθεί ότι η εφαρμογή ΔΕΥ απαιτεί τη συνεχή μέτρηση των εγκεφαλικών σημάτων τα οποία να μπορούν να μεταφραστούν και να εισάγουν πληροφορίες στη συνδεδεμένη συσκευή για την εκτέλεση της κάθε εργασίας. Κατ' επέκταση, μη σχετιζόμενα νευρικά ερεθίσματα ενδέχεται να συγχέουν την εσωτερική διαδικασία ταξινόμησης, επομένως είναι εξαιρετικά σημαντικό να ανιχνεύονται συγκεκριμένες νευρικές ιδιότητες με τρόπο που να είναι όσο το δυνατόν πιο διακριτές και με καθολικό τρόπο. Ο στόχος της διατριβής αυτής είναι να θέσει τα θεμέλια για την εφαρμογή ΔΕΥ αξιολογώντας τα καθολικά χαρακτηριστικά διαφορετικών γνωστικών κατ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Cognition refers to all conscious mental activity, involved in thinking, remembering, and reasoning. As such, the different brain functions range from volitional movement to language, imagination and planning. Conventionally, brain research focuses on the perception of the external world by examining how information is processed by analyzing biomedical records based on statistical or quantitative characteristics. However, the complex attributes and interactions in the human brain pose several challenges in order to effectively elucidate the underlying neural substrates that govern higher-order cerebral functions. To address this, recent studies have suggested the inclusion of machine learning designs as a way for an effective and accurate analysis of the complicated properties of brain signals, unveiling (hidden) cognitive associations and characteristics. In this PhD dissertation, advanced machine learning approaches for processing and analysis of electroencephalographic (EEG) signals ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/49988
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/49988
ND
49988
Εναλλακτικός τίτλος
Processing and analysis of EEG data recordings with the application of machine learning methods
Συγγραφέας
Κάκκος, Ιωάννης του Παναγιώτης
Ημερομηνία
2021
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εξεταστική επιτροπή
Ματσόπουλος Γεώργιος
Νικήτα Κωνσταντίνα
Βεντούρας Ερρίκος
Κουτσούρης Δημήτριος-Διονύσιος
Τσανάκας Παναγιώτης
Ασβεστάς Παντελεήμων
Sun Yu
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΒιοϊατρική Μηχανική ➨ Βιοϊατρική μηχανική
Λέξεις-κλειδιά
Ηλεκτροεγκεφαλογράφημα (ΗΕΓ); Μηχανική μάθηση; Βιοϊατρική μηχανική; Διεπαφή ανθρώπου μηχανής; Γνωσιακές διεργασίες
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)