Název: Detekce pohybu z EEG dat
Další názvy: Motion detection from EEG data
Autoři: Kodera, Jakub
Vedoucí práce/školitel: Mouček Roman, Doc. Ing. Ph.D.
Oponent: Mautner Pavel, Ing. Ph.D.
Datum vydání: 2024
Nakladatel: Západočeská univerzita v Plzni
Typ dokumentu: diplomová práce
URI: http://hdl.handle.net/11025/57226
Klíčová slova: eeg;představa pohybu;augmentace dat;klasifikace;strojové učení
Klíčová slova v dalším jazyce: eeg;motor imagery;data augmentation;classification;machine learning
Abstrakt: 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%.
Abstrakt v dalším jazyce: 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%.
Práva: Plný text práce je přístupný bez omezení
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Diplomova_prace.pdfPlný text práce1,94 MBAdobe PDFZobrazit/otevřít
A21N0029Phodnoceni-ved.pdfPosudek vedoucího práce417,51 kBAdobe PDFZobrazit/otevřít
A21N0029Pposudek-op.pdfPosudek oponenta práce118,35 kBAdobe PDFZobrazit/otevřít
A21N0029Pobhajoba.pdfPrůběh obhajoby práce227,01 kBAdobe PDFZobrazit/otevřít
A21N0029P-zadani_DP.pdfVŠKP - příloha14,33 kBAdobe PDFZobrazit/otevřít  Vyžádat kopii
A21N0029P_prilohy.zipVŠKP - příloha1,74 GBZIPZobrazit/otevřít  Vyžádat kopii


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/57226

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.