ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

Детектирование событий движения руки в сигналах ЭЭГ головного мозга

Читать Попов Е.Ю., Фоменков С.А. Детектирование событий движения руки в сигналах ЭЭГ головного мозга // Прикаспийский журнал:  управление и высокие технологии. — 2015. — №4. — Стр. 131-140.

Попов Е.Ю. - аспирант, Волгоградский государственный технический университет, 400005, Российская федерация, г. Волгоград, пр. им. Ленина, 28, popov.e@hotmail.com

Фоменков С.А. - доктор технических наук, профессор, Волгоградский государственный технический университет, 400005, Российская федерация, г. Волгоград, пр. им. Ленина, 28, saf@vstu.ru

Рассмотрен метод обнаружения 6 определенных событий движения руки в 32-компонентом сигнале ЭЭГ головного мозга посредством использования сверточной нейронной сети (НС) в качестве многоклассового классификатора. В работе предложены и эмпирически оценены несколько вариантов архитектуры сверточной НС, а также два варианта функций активации нейронов скрытых слоев НС. Показаны преимущества выбранного метода классификации для решаемой задачи. Полученные результаты дают возможность говорить о том, что использование данного вида классификатора позволяет эффективно выделять характерные признаки в исходных ЭЭГ сигналах, а на выходе НС получать вероятности принадлежности входного сигнала одному из заданных классов движений руки. Использование нестандартной функции активации нейронов скрытого слоя (rectified linear) обеспечивает улучшение качества классификации. Предложенная архитектура сверточной НС легко поддается модификации как в ширину (добавление новых плоскостей признаков на сверточном слое), так и в глубину (добавление новых сверточных и субдискретизационных слоев). За счет этого возможно дальнейшее улучшение полученного в исследовании качества классификации.

Ключевые слова: ЭЭГ, нейрокомпьютерный интерфейс, сверточная нейронная сеть, глубокое обучение, функция активации, классификация, ADADELTA, reclified linear, softmax, перекрестная энтропия, вызванные потенциалы, EEG, brain-computer interface, convolutional neural network