Arquiteturas de redes neurais e suas aplicabilidades para classificação de sinais EEG para BCI

Abstract

Muitas pessoas no mundo sofrem com algum tipo de doença motora que atrapalha sua vida cotidiana. Uma das formas de melhorar a vida dessas pessoas é através da chamada Interface Cérebro Computador. No entanto, esse método até o momento deixa a desejar quanto a taxa de acerto de suas classificações. Este artigo visa explorar e comparar arquiteturas de redes neurais para classificação de sinais de Eletroencefalograma para Interface Cérebro Computador utilizando diversas arquiteturas diferentes, inclusive as pouco exploradas Redes de Valores Complexos, e testar novas possibilidades de funções de ativação. A metodologia de execução deste trabalho envolve o pré-processamento de dados de sinal EEG já rotulados, divisão em bandas de sinal com base nas faixas de frequência características do cérebro definidas por delta (0.5-4HZ), theta (4-8HZ), alpha (8-13HZ), e beta (acima de 13HZ). Os frames de tempo gerados pela separação em bandas são utilizados para alimentar as diversas arquiteturas que serão avaliadas.