| Summary: | Beyin-bilgisayar arayüzü (BCI) insan beyni ve bilgisayar
arasında iletişim ve kontrol sağlayabilir. Beyin sinyallerinin saptanması, bu
sistemler için en temel düzeydir. Manyetoensefalografi (MEG) beyin aktivitesini
çözmek için invazif olmayan bir görüntüleme tekniğidir. MEG sinyalleri
karmaşıktır ve çevresel olaylardan ve beynin fonksiyonel farklılıklarından
kolayca etkilenebilir. BCI sistemleri için bu karmaşık sinyallerden bilgi almak
zordur. Bu nedenle, bilgiyi anlamlı kılmak için ileri sinyal işleme teknikleri
gereklidir. Bu çalışmada, manyetoensefalografi sinyallerini öğrenmeli vektör kuantalama
(LVQ) ile sınıflandırarak LVQ algoritmasının başarısı ortaya konulmuştur.
Sınıflandırma doğruluğu 10 kat çapraz doğrulama ile elde edilmiştir. Önerilen
sınıflandırıcının performansı, MEG'e odaklanan ve aynı veri setini kullanan
önceki yöntemler ile karşılaştırılmıştır.
|
|---|