Research in Computing Science, Vol. 76, pp. 123-131, 2014.
Abstract: En este trabajo, se propone un método para Interfaces Cerebro-Computadora basado en modelos gráficos probabilísticos que supera algunas de las limitaciones de los enfoques basados en clasificadores de señales. Se modela la dinámica del cerebro a nivel de las relaciones amplitud-frecuencia ocultas, utilizando una red bayesiana dinámica que se aprende a partir de datos obtenidos de Electro-encefalogramas. Se demuestra cómo un el modelo puede utilizarse para inferir las distribuciones de probabilidad sobre variables de estado ocultas, las cuales corre-sponden a funciones cerebrales útiles para establecer un modelo de de interface. El uso del modelo nos proporcionó una estimación probabilística continua de es-tado del cerebro, permitiendo modelar la estructura causal y dependencias entre los diferentes estados cerebrales. Este modelo gráfico dinámico en el tiempo per-mite realizar estimaciones aún con datos faltantes, y el suavizado de las estima-ciones de estado, utilizando la información de los futuros puntos de datos. Estas capacidades son difíciles de obtener, al trabajar exclusivamente en el dominio de frecuencias.
Keywords: Cerebro, Redes Bayesianas, BCI, EEG
PDF: Análisis de la relación amplitud-frecuencia en las señales EEG mediante Redes Bayesianas
PDF: Análisis de la relación amplitud-frecuencia en las señales EEG mediante Redes Bayesianas