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”

Classification of Hand Movement in EEG using ERD/ERS and Multilayer Perceptron

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F20%3A43960748" target="_blank" >RIV/49777513:23520/20:43960748 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.scitepress.org/Link.aspx?doi=10.5220/0009167007130717" target="_blank" >https://www.scitepress.org/Link.aspx?doi=10.5220/0009167007130717</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5220/0009167007130717" target="_blank" >10.5220/0009167007130717</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Classification of Hand Movement in EEG using ERD/ERS and Multilayer Perceptron

  • Popis výsledku v původním jazyce

    Continuous EEG activity in the measured subjects includes different patterns depending on what activity the subject performed. ERD and ERS are examples of such patterns related to movement, for example of a hand, finger or foot. This article deals with the detection of motion based on the ERD/ERS patterns. By linking ERD/ERS, feature vectors which are later classified by neural network are created. The resulting neural network consists of one input and one output layer and two hidden layers. The first hidden layer contains 3,000 neurons and the second one 1,500 neurons. A training set of feature vectors is used for the training of this neural network and the back-propagation algorithm is used for the subsequent adjustment of the weights. With this setting and training, the neural network is able to classify motion in an EEG record with an average accuracy of 79.92%.

  • Název v anglickém jazyce

    Classification of Hand Movement in EEG using ERD/ERS and Multilayer Perceptron

  • Popis výsledku anglicky

    Continuous EEG activity in the measured subjects includes different patterns depending on what activity the subject performed. ERD and ERS are examples of such patterns related to movement, for example of a hand, finger or foot. This article deals with the detection of motion based on the ERD/ERS patterns. By linking ERD/ERS, feature vectors which are later classified by neural network are created. The resulting neural network consists of one input and one output layer and two hidden layers. The first hidden layer contains 3,000 neurons and the second one 1,500 neurons. A training set of feature vectors is used for the training of this neural network and the back-propagation algorithm is used for the subsequent adjustment of the weights. With this setting and training, the neural network is able to classify motion in an EEG record with an average accuracy of 79.92%.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • 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

    BIOSTEC 2020

  • ISBN

    978-989-758-398-8

  • ISSN

    2184-4305

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    713-717

  • Název nakladatele

    SciTiPress

  • Místo vydání

    Setúbal

  • Místo konání akce

    Valletta Malta

  • Datum konání akce

    24. 2. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000571479400081