Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Self-organizing Maps for Event-Related Potential Data Analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F14%3A43922108" target="_blank" >RIV/49777513:23520/14:43922108 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Self-organizing Maps for Event-Related Potential Data Analysis

  • Popis výsledku v původním jazyce

    Event-related potentials (ERPs) and especially the P300 component have been gaining attention in braincomputer interface design and neurobiological research. The detection of the P300 component in electroencephalographic signal is challenging since its signal-to-noise ratio is very low. Instead of using traditional supervised pattern recognition, this paper discusses using unsupervised neural networks for the P300 classification purposes. To validate the proposed approach, a method for the P300 detection based on matching pursuit and self-organizing maps is proposed and evaluated. The results may be applied to the design of brain-computer interfaces.

  • Název v anglickém jazyce

    Self-organizing Maps for Event-Related Potential Data Analysis

  • Popis výsledku anglicky

    Event-related potentials (ERPs) and especially the P300 component have been gaining attention in braincomputer interface design and neurobiological research. The detection of the P300 component in electroencephalographic signal is challenging since its signal-to-noise ratio is very low. Instead of using traditional supervised pattern recognition, this paper discusses using unsupervised neural networks for the P300 classification purposes. To validate the proposed approach, a method for the P300 detection based on matching pursuit and self-organizing maps is proposed and evaluated. The results may be applied to the design of brain-computer interfaces.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Healthinf 2014 - Proceedings of the international conference on health informatics

  • ISBN

    978-989-758-010-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    387-392

  • Název nakladatele

    SciTePress

  • Místo vydání

    Setúbal

  • Místo konání akce

    Angers, Francie

  • Datum konání akce

    3. 3. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku