prikaz prve stranice dokumenta Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala
No public access
master's thesis
Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:649473
Dašić, Darin
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Dašić, D. (2020). Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:649473

Dašić, Darin. "Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:649473

Dašić, Darin. "Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:649473

Dašić, D. (2020). 'Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 13 January 2025, https://urn.nsk.hr/urn:nbn:hr:168:649473

Dašić D. Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2025 January 13] Available at: https://urn.nsk.hr/urn:nbn:hr:168:649473

D. Dašić, "Rješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:649473

Metadata
TitleRješavanje klasifikacijskih problema iz snimaka elektroencefalograma kod sučelja između mozga i računala
Title (english)Solving Classification Problems from Electroencephalogram Recordings in Brain-Computer Interfaces
AuthorDarin Dašić
MentorAlan Jović (mentor)
Committee memberAlan Jović (predsjednik povjerenstva)
Committee memberVlado Sruk (član povjerenstva)
Committee memberDejan Škvorc (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-07-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu su opisani i objašnjeni najvažniji pojmovi vezani uz sve dijelove sučelja mozga i računala. Kratkim prolazom kroz neuroznanost predočena je fiziologija mozga, morfologija signala EEG-a te komponente koje su kasnije detektirane i klasificirane metodoma strojnog učenja, tj. dubokog učenja. Za klasifikaciju su odabrane konvolucijske neuronske mreže koje bi u teoriji mogle same naučiti važne značajke i samim time olakšati cjelokupnu analizu. Za arhitekturu ove mreže je korišten model EEGNet koji je pokazao dobre rezultate s obzirom na svoju plitkost. Ispitivane su dvije vrste evociranih potencijala, P300 i ERN na pridruženim skupovima podataka. U svakoj analizi ispitane su sposobnosti modela prilikom učenja na tri načina; prijenosom između ispitanika, izgradnjom individualnih klasifikatora po ispitaniku te jednog generalnog. Ova arhitektura se nije pokazala kao najbolja za potrebe učenja prijenosom, iako je davala solidne rezultate za skup podataka ERN.
Abstract (english)
In this work the most important terms for each part of the brain computer interface have been described. With brief run through neuroscience, short overview of the physiology of the human brain as well as morphology of the EEG signal and its components have been presented. These components were later classified with the use of machine learning, or concretely deep learning algorithms. For classification, convolutional neural networks have been chosen because of their ability to automatically construct features from the raw signals. The specific architecture used in this analysis was based on the model called EEGNet which has proved itself with good results despite its shallow architecture. In the analysis, the model was applied to two different datasets, one where the ERN component has been analysed and in the other audio evoked P300 component has been analysed. For each dataset, model’s abilities have been tested in three ways; cross subject learning, individual subject based learning and general model. This architecture didn’t prove itself to produce best results for cross subject learning, but it still achieved respectable results on the ERN dataset.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:649473
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 09:54:49