Andere Kunden interessierten sich auch für
![Redução do número de sensores de EEG e detecção de movimento motor]( "Redução do número de sensores de EEG e detecção de movimento motor")
Redução do número de sensores de EEG e detecção de movimento motor27,99 €![Riduzione del numero di sensori EEG e rilevamento del movimento motorio]( "Riduzione del numero di sensori EEG e rilevamento del movimento motorio")
Riduzione del numero di sensori EEG e rilevamento del movimento motorio26,99 €![Verringerung der Anzahl der EEG-Sensoren und der motorischen Bewegungserkennung]( "Verringerung der Anzahl der EEG-Sensoren und der motorischen Bewegungserkennung")
Verringerung der Anzahl der EEG-Sensoren und der motorischen Bewegungserkennung39,90 €![Reducing the number of EEG sensors and motor motion detection]( "Reducing the number of EEG sensors and motor motion detection")
Reducing the number of EEG sensors and motor motion detection26,99 €![Sokraschenie kolichestwa datchikow JeJeG i obnaruzhenie dwizheniq motora]( "Sokraschenie kolichestwa datchikow JeJeG i obnaruzhenie dwizheniq motora")
Sokraschenie kolichestwa datchikow JeJeG i obnaruzhenie dwizheniq motora13,99 €![Princípios da formação de ressonância electromagnética]( "Princípios da formação de ressonância electromagnética")
Princípios da formação de ressonância electromagnética29,99 €![Détection du plagiat dans un système de gestion de l'apprentissage]( "Détection du plagiat dans un système de gestion de l'apprentissage")
Détection du plagiat dans un système de gestion de l'apprentissage26,99 €
Ces dernières années, les études sur l'intelligence artificielle et l'apprentissage automatique se sont généralisées et il est donc déjà courant de voir dans de nombreux endroits des algorithmes de reconnaissance des formes utilisés, que ce soit dans une publicité que vous recevez d'un magasin, un chatbot qui apprend des erreurs commises ou dans les voitures autonomes de Google et Tesla. Ce travail vise à reconnaître des schémas de mouvements volontaires par le biais de l'intelligence artificielle en utilisant les données de tension du cerveau et capturées par électroencéphalographie (EEG). Dans ce sens, il est également prouvé qu'il est possible de prétraiter les signaux EEG, en réduisant l'effort de traitement du système, en réduisant le nombre de canaux à analyser sans nuire à la reconnaissance des modèles. Dans ce cadre, il a été possible de réduire le nombre de capteurs de 64 à 18, atteignant une précision de 72% dans le meilleur des cas - qui peut varier à 73% par la manipulation du réseau neuronal artificiel (ANN). Ainsi, il est possible de prouver que les analyses basées sur les théories du signal génèrent des résultats satisfaisants en ce qui concerne l'erreur de classification.