A Nature-inspired System for Mental State Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241710" target="_blank" >RIV/61989100:27240/18:10241710 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21230/18:00325828

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8477828" target="_blank" >https://ieeexplore.ieee.org/document/8477828</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CEC.2018.8477828" target="_blank" >10.1109/CEC.2018.8477828</a>

Jazyk výsledku

angličtina

Název v původním jazyce

A Nature-inspired System for Mental State Recognition

Popis výsledku v původním jazyce

In this article, we apply metaheuristics and Neural Networks for classifying human mental activities using EEG signals. We developed a Brain-Computer Interface system that is able to classify mental concentration versus relaxation. We collect the brain information during specific activities of the subject. Besides, we selected the best combination of the input features using the following two metaheuristic techniques: Simulated Annealing and Geometric Particle Swarm Optimization. The classification problem is solved using Neural Networks. We show that is possible to identify the human concentration using few EEG signals. In addition, the proposed system is developed with a fast and robust learning technique that can be easily adapted according to each subject.

Název v anglickém jazyce

A Nature-inspired System for Mental State Recognition

Popis výsledku anglicky

In this article, we apply metaheuristics and Neural Networks for classifying human mental activities using EEG signals. We developed a Brain-Computer Interface system that is able to classify mental concentration versus relaxation. We collect the brain information during specific activities of the subject. Besides, we selected the best combination of the input features using the following two metaheuristic techniques: Simulated Annealing and Geometric Particle Swarm Optimization. The classification problem is solved using Neural Networks. We show that is possible to identify the human concentration using few EEG signals. In addition, the proposed system is developed with a fast and robust learning technique that can be easily adapted according to each subject.

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)

Projekt

<a href="/cs/project/GJ16-25694Y" target="_blank" >GJ16-25694Y: Mnohoparadigmatické algoritmy dolování z dat založené na vyhledávání, fuzzy technologiích a bio-inspirovaných výpočtech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

2018 IEEE Congress on Evolutionary Computation, CEC 2018 - Proceedings

ISBN

978-1-5090-6017-7

ISSN

—

e-ISSN

neuvedeno

Počet stran výsledku

8

Strana od-do

1161-1168

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Rio de Janeiro

Datum konání akce

8. 7. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000451175500149