Detecting Limb Movements by Reading Minds
dc.contributor.advisor | Tufte, Gunnar | |
dc.contributor.author | Eidnes, Lars Hiller | |
dc.date.accessioned | 2015-12-17T15:00:26Z | |
dc.date.available | 2015-12-17T15:00:26Z | |
dc.date.created | 2011-12-01 | |
dc.date.issued | 2011 | |
dc.identifier | ntnudaim:5852 | |
dc.identifier.uri | http://hdl.handle.net/11250/2368418 | |
dc.description.abstract | Ved hjelp av EEG kan elektrisk aktivitet på hodebunnen til mennesker brukes til å kontrollere en datamaskin. I senere år har maskinlæringsteknikker gjort slike systemer nøyaktigere og istand til å tilpasse seg individet. I oppgaven implementeres "Sub-Band Common Spatial Patterns"-metoden for EEG klassifisering. Denne ble så forsøkt utvidet på forskjellige måter, med den hensikt å øke nøyaktigheten. Det ble oppdaget at nøyaktighet kan økes ved å: 1) Regularisere estimatet av kovariansematrisen for Common Spatial Patterns algoritmen. 2) Å legge til utviklingen av signalstyrken over tid som innputt til klassifisatoren. 3) Å bruke L1-regularisert Logistic Regression som klassifisator, og for å eliminere features til klassifisatoren. 4) Å bruke boosting på den endelige klassifisatoren. Til sammen ga disse endringene en økning fra 86.4% til 91.7% nøyaktighet på det offentlig tilgjengelige datasettet BCI Competition III (IVa). | |
dc.language | nob | |
dc.publisher | NTNU | |
dc.subject | Informatikk, Kunstig intelligens og læring | |
dc.title | Detecting Limb Movements by Reading Minds | |
dc.type | Master thesis | |
dc.source.pagenumber | 55 |