Title: | Detekce pohybu z EEG dat |
Other Titles: | Motion detection from EEG data |
Authors: | Kodera, Jakub |
Advisor: | Mouček Roman, Doc. Ing. Ph.D. |
Referee: | Mautner Pavel, Ing. Ph.D. |
Issue Date: | 2024 |
Publisher: | Západočeská univerzita v Plzni |
Document type: | diplomová práce |
URI: | http://hdl.handle.net/11025/57226 |
Keywords: | eeg;představa pohybu;augmentace dat;klasifikace;strojové učení |
Keywords in different language: | eeg;motor imagery;data augmentation;classification;machine learning |
Abstract: | Představa pohybu je jedna z možností jakou může člověk komunikovat pomocí rozhraní mozek počítač. Cílem této práce je prozkoumat existující možnosti a používané metody v oblasti detekce pohybu z naměřeného EEG signálu. Jelikož získávání EEG dat je časově náročná aktivita, jsou v práci prozkoumány možnosti rozšíření existující datové sady bez nutnosti provádění dalšího měření. Práce porovnává detekci pohybu pěti klasifikátory (LDA, SVM, MLP, LSTM a CNN) a zkoumá také využití různých příznakových vektorů. V práci je provedena implementace a porovnání rozšíření datové sady pomocí augmentačních metod NI, cVAE a cWGAN-GP. Nejlepšího klasifikačního výsledku bylo dosaženo klasifikátorem CNN s klasifikační přesností 76.00+-0.80%. |
Abstract in different language: | Motor imagery is one of the ways in which a person can communicate through a brain-computer interface. The aim of this work is to explore existing methods in the field of motor imagery detection from measured EEG signals. Since acquisition of EEG data is a time-consuming activity, options for expanding the existing dataset without the need for additional measurements is also explored. This work compares motor imagery detection using five classifiers (LDA, SVM, MLP, LSTM a CNN) and also examines the use of different feature vectors. Additionally, the study implements and compares the expansion of the dataset using the augmentation methods NI, cVAE a cWGAN-GP. The best classification result was achieved with the CNN classifier, achieving a classification accuracy of 76.00+-0.80%. |
Rights: | Plný text práce je přístupný bez omezení |
Appears in Collections: | Diplomové práce / Theses (KIV) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Diplomova_prace.pdf | Plný text práce | 1,94 MB | Adobe PDF | View/Open |
A21N0029Phodnoceni-ved.pdf | Posudek vedoucího práce | 417,51 kB | Adobe PDF | View/Open |
A21N0029Pposudek-op.pdf | Posudek oponenta práce | 118,35 kB | Adobe PDF | View/Open |
A21N0029Pobhajoba.pdf | Průběh obhajoby práce | 227,01 kB | Adobe PDF | View/Open |
A21N0029P-zadani_DP.pdf | VŠKP - příloha | 14,33 kB | Adobe PDF | View/Open Request a copy |
A21N0029P_prilohy.zip | VŠKP - příloha | 1,74 GB | ZIP | View/Open Request a copy |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/57226
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.