Faculdade de Engenharia Elétrica - FEE/CAMTUC
URI Permanente para esta coleção
Campus de Tucuruí /
Bibliotecária: Mayara de Kassia Pinheiro Menezes
Whatsapp: (94) 98199-9226
E-mail: bibliocamtuc@ufpa.br
Facebook: https://www.facebook.com/bibcamtuc/
Instagram: https://www.instagram.com/bcamtuc/
Navegar
Navegando Faculdade de Engenharia Elétrica - FEE/CAMTUC por Orientador "SILVA, Cleison Daniel"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Apresentação do artigo elaborado em 2023 por meio da Proeg nº 01/2023: aplicação da análise de correlação canônica em sistemas ICM baseados em SSVEP(2023-12-18) SOUSA, Sávio Milhomens de; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329Este trabalho aborda a apresentação do artigo intitulado “Aplicação da Análise de Correlação Canônica em Sistemas ICM Baseados em SSVEP”, desenvolvido durante o período de Abril de 2023 a Setembro de 2023, durante a execução do projeto de pesquisa, sob orientação do Professor Dr. Cleison Daniel Silva e apresentado na III Escola Regional de Aprendizado de Máquina e Inteligência Artificial Norte 2. O sistema ICM (Interface Cérebro Máquina) é uma tecnologia capaz de realizar comunicações entre seres humanos e máquinas através da atividade cerebral em resposta a estímulos visuais, imaginários ou somatossensoriais. Essa atividade é aquisitada, por meio de métodos como o eletroencefalograma (EEG), processada e convertida em sinais de comando. O estudo do artigo se concentra no processamento de informações usando o método de Análise de Correlação Canônica (CCA) para auxiliar na classificação de sinais em sistemas ICM’s baseados em SSVEP (Potencial Evocado Visualmente em Estado Estável). Como metodologia, foram realizadas cinco abordagens do método CCA, em ambiente Python, usando o mesmo conjunto de dados e mesma técnica de processamento e classificação de sinais, alterando apenas a forma como os dados são tratados no método. Os dados usados são provenientes de um repositório de domínio público contendo sinais de EEG de quatro sujeitos em presença de estímulos de SSVEP em frequências de 8 Hz, 14 Hz e 28 Hz. Em adição ao CCA, utilizou-se do periodograma como tecnica para maximizar a extração de características dos sinais resultantes da aplicação do método. Na etapa de classificação os sinais foram agrupados em três combinações binárias entre as frequências de estímulo, e para cada par, foi aplicado a Análise do Discriminante Linear (LDA). Ao final, a acurácia do classificador foi utilizada como parâmetro para discussões e conclusões de cada abordagem. De forma geral, notou-se que os resultados variam entre os indivíduos numa faixa de 38% a 100% de acurácia. A partir da lógica de construção e dos resultados da abordagem E, conclui-se que essa é propícia para aplicação em um sistema real.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Estudo, implementação e comparação de diferentes tipos de pré-processamento aplicados a um sistema interface cérebro-computador(2019-02-14) LOPES, Tayla de Jesus; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329Esta monografia trata do estudo e implementação de um sistema interface cérebro-computador (ICC), baseado em imagética motora das mãos esquerda e direita. De maneira específica, apresenta a implementação e comparação de diferentes tipos de pré-processamento para este sistema. Para tanto, são coletados sinais eletroencefalográficos (EEG) do escalpo de um usuário através da Placa Cyton OpenBCI que, posteriormente, são inseridos nas demais etapas através de um software de código aberto e próprio para o estudo desses sinais: OpenVibe. Uma dessas etapas inclui o pré-processamento desses sinais eletroencefalográficos (EEG), onde o sinal é filtrado através de uma filtragem temporal, a qual neste trabalho é desenvolvida para três casos distintos com o intuito de compará-las para se obter a melhor taxa de classificação. O primeiro caso filtra o sinal EEG através de um filtro temporal com banda passante de 8 a 30 Hz utilizando os sinais dos oito canais. O segundo caso utiliza os mesmos sinais, mas são filtrados por um banco com doze filtros contendo as seguintes bandas passantes: 6-10Hz, 8-12Hz, 10-14Hz, 12-16Hz, 14-18 Hz, 16-20Hz, 18-22Hz, 20-24Hz, 22-26 Hz, 24-28 Hz, 26-30Hz e 28-32Hz. O último caso utiliza este mesmo banco com doze filtros, mas os sinais EEG selecionados são de canais específicos, onde primeiramente são selecionados apenas os sinais EEG de um canal por vez, depois estes são combinados com o sinal de outros canais um a um, e por fim, se observa a taxa de classificação para estes canais com o intuito de escolher os três e os quatro melhores canais para serem filtrados. Após isso, os sinais filtrados de todos estes casos serão implementados na etapa de filtragem espacial, onde é desenvolvido o algoritmo padrão espacial comum (CSP), e na etapa de classificação realizada pelo algoritmo análise de discriminante linear (LDA). Os resultados obtidos são discutidos em detalhes, e mostram a melhora na taxa de classificação quando o conjunto de filtros é implementado.Trabalho de Curso - Graduação - Relatório Acesso aberto (Open Access) Interface Cérebro-Máquina: uma abordagem ótima via distância de Riemann por subbanda(2024-11-01) ANJOS, Leilane de Jesus; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928Este trabalho, apresenta o relatório de pesquisa intitulado "Interface Cérebro-Máquina: uma abordagem ótima via distância de Riemann", desenvolvido entre 01 de setembro de 2023 à 31 de agosto de 2024, durante a execução do projeto de pesquisa denominado "Técnicas de otimização aplicadas a Interface Cérebro-Máquina", financiado pela Fundação Amazônica de Amparo a Estudos e Pesquisas, sob orientação do professor Dr. Cleison Daniel Silva. Este trabalho foi elaborado seguindo a resolução nº1/2024 da Faculdade de Engenharia Elétrica- CAMTUC, que regulamenta os termos da flexibilização do Trabalho de Curso na IN nº5/2023 da PROEG-UFPA. Sistemas de Interface Cérebro Máquina (ICM) são tecnologias capazes realizar a comunicação entre o cérebro humano e dispositivos externos, a partir de sinais neurais, que podem ser coletadas, através de técnicas de neuroimagem como a eletroencefalografia (EEG), processadas e convertidas em comandos. O estudo da pesquisa, concentra-se em melhorar o desempenho de classificação em sistemas de ICM baseados em imagética motora usando o método de Mínima distância a Média de Riemann (do inglês Minimum Distance to Riemann Mean - MDRM) através do algoritmo de classificação Distância Mínima à Média (do inglês Minimum Distance to Mean - MDM) para a extração de informações discriminantes a partir de sinais de EEG representados por matrizes de covariância simétricas positivas definidas por sub-banda, formando uma representação normalizada dos sinais de EEG que são entregues ao algoritmo de classificação Máquina de Vetor de Suporte (do inglês Support Vector Machine). Os hiperparâmetros relacionados a faixa de frequência de interesse, número de sub-bandas e parâmetros do classificador, são ajustados por meio da Otimização Bayesiana de modo a lidar com as características inter e intra sujeitos, permitindo ajustes individuais. Os resultados obtidos a partir de um conjunto de dados públicos apresentaram melhorias significativas em comparação como um método previamente proposto. A acurácia do classificador foi utilizada para a comparação, servido de base para discussões e conclusões da pesquisa.