EUVIMEDEUVIMED entdecken
Crossref

Klasyfikacja sygnałów EEG w interfejsach mózg-komputer z wykorzystaniem sieci neuronowych

Krzysztof Galas

Studia i Materiały Informatyki Stosowanej · 08.01.2025

DOI: 10.34767/simis.2024.03.03 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Studia i Materiały Informatyki Stosowanej, erschienen am 08.01.2025. Verfasst von Krzysztof Galas.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Celem pracy jest zaprezentowanie metod klasyfikacji sygnałów EEG w interfejsach mózg-komputer (BCI) z wykorzystaniem sieci neuronowych. Dzięki ich zdolności do modelowania złożonych zależności w danych, możliwe jest skuteczniejsze rozpoznawanie wzorców aktywności mózgowej, co przyczynia się do poprawy dokładności i szybkości działania systemów BCI. W pracy omówiono architektury sieci neuronowych wykorzystywane do analizy sygnałów EEG, takie jak sieci konwolucyjne (CNN) czy rekurencyjne (RNN). Badania pokazują, że te metody mają ogromny potencjał w zastosowaniach takich jak sterowanie urządzeniami wspomagającymi, komunikacja oraz rozrywka.

Schlagwörter

EEG classificationbrain-computer interfaceartificial neural networksconvolutional neural networksrecurrent neural networksassistive devicescommunication aids

Zitieren

APA

Galas, K. (2025). Klasyfikacja sygnałów EEG w interfejsach mózg-komputer z wykorzystaniem sieci neuronowych. Studia i Materiały Informatyki Stosowanej. https://doi.org/10.34767/simis.2024.03.03

Vancouver

Galas K. Klasyfikacja sygnałów EEG w interfejsach mózg-komputer z wykorzystaniem sieci neuronowych. Studia i Materiały Informatyki Stosowanej. 2025. doi:10.34767/simis.2024.03.03

BibTeX
@article{Galas2025,
  author = {Galas, Krzysztof},
  title = {Klasyfikacja sygnałów EEG w interfejsach mózg-komputer z wykorzystaniem sieci neuronowych},
  journal = {Studia i Materiały Informatyki Stosowanej},
  year = {2025},
  doi = {10.34767/simis.2024.03.03}
}
Kostenlos starten →