A carregar...
Publicação
Review of solutions for the application of example of machine learning methods for Motor Imagery in correlation with Brain-Computer Interfaces
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| Presently, numerous public databases presenting the collected EEG signals, including the ones in the scope of Motor Imagery (MI), are available. Simultaneously, machine-learning methods, which enable effective and fast discovering of information, also in the sets of biomedical data, are constantly being developed. In this paper, a set of 30 of some of the latest scientific publications from the years 2016-2021 has been analyzed. The analysis covered, among others: public data repositories in the form of EEG signals as input data; numbers and types of the analyzed tasks in the scope of MI in the above-mentioned databases; and Deep Learning (DL) architectures. | 264.64 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Presently, numerous public databases presenting the collected EEG signals, including the ones in the scope of Motor Imagery (MI), are available. Simultaneously, machine-learning methods, which enable effective and fast discovering of information, also in the sets of biomedical data, are constantly being developed. In this paper, a set of 30 of some of the latest scientific publications from the years 2016-2021 has been analyzed. The analysis covered, among others: public data repositories in the form of EEG signals as input data; numbers and types of the analyzed tasks in the scope of MI in the above-mentioned databases; and Deep Learning (DL) architectures.
Obecnie dostępne są liczne ogólnodostępne bazy danych prezentujące zebrane sygnały EEG, w tym z zakresu obrazowania motorycznego (MI). Jednocześnie stale rozwijane są metody uczenia maszynowego, które umożliwiają efektywne i szybkie odkrywanie informacji, także w zbiorach danych biomedycznych. W niniejszym artyule przeanalizowano zestaw 30 spośród najnowszych publikacji naukowych z lat 2016-2021. Analizie poddano m.in.: publiczne repozytoria danych w postaci sygnałów EEG jako dane wejściowe; liczby i rodzaje analizowanych zadań z zakresu obrazowania motorycznego w ww. bazach; i architektury Deep Learning (DL). (Przegląd rozwiązań do zastosowania metod uczenia maszynowego na potrzeby obrazowania motorycznego w korelacji z interfejsami mózg-komputer).
Obecnie dostępne są liczne ogólnodostępne bazy danych prezentujące zebrane sygnały EEG, w tym z zakresu obrazowania motorycznego (MI). Jednocześnie stale rozwijane są metody uczenia maszynowego, które umożliwiają efektywne i szybkie odkrywanie informacji, także w zbiorach danych biomedycznych. W niniejszym artyule przeanalizowano zestaw 30 spośród najnowszych publikacji naukowych z lat 2016-2021. Analizie poddano m.in.: publiczne repozytoria danych w postaci sygnałów EEG jako dane wejściowe; liczby i rodzaje analizowanych zadań z zakresu obrazowania motorycznego w ww. bazach; i architektury Deep Learning (DL). (Przegląd rozwiązań do zastosowania metod uczenia maszynowego na potrzeby obrazowania motorycznego w korelacji z interfejsami mózg-komputer).
Descrição
Link de acesso ao documento: https://scholar.google.com/scholar?q=Review%20of%20solutions%20for%20the%20application%20of%20example%20of%20machine%20learning%20methods%20for%20Motor%20Imagery%20in%20correlation%20with%20Brain-Computer%20Interfaces
Palavras-chave
Motor Imagery EEG BCI machine learning deep learning deep neural networks obrazowanie motoryczne uczenie maszynowe głębokie uczenie głębokie sieci neuronowe
Contexto Educativo
Citação
Paszkiel, S., Rojek, R., Lei, N., & Castro, M. A. (2021). Review of solutions for the application of example of machine learning methods for Motor Imagery in correlation with Brain-Computer Interfaces. Przegląd Elektrotechniczny, 97. DOI: https://doi.org/10.15199/48.2021.11.20.
Editora
Wydawnictwo SIGMA-NOT, sp. z.o.o.
Licença CC
Sem licença CC