在大脑与计算机接口系统中选择通道的域知识辅助多目标进化算法
Tianyu Liu1, An Ye1
1School of Information Engineering, Shanghai Maritime University, Shanghai, China.
Frontiers in neuroscience
|September 25, 2023
概括
这项研究引入了一种新的算法 (DK-MOEA),用于在脑计算机接口 (BCI) 系统中选择最佳的脑电图 (EEG) 通道. 该方法平衡了任务准确性和频道数量,提高了实际应用的便利性.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
背景情况:
- 非侵入性脑电脑接口 (BCI) 系统依赖于电脑图 (EEG) 通道.
- 有效的道选择对于现实世界BCI应用的便利性和任务准确性至关重要.
- 在BCI中选择道是一个复杂的多目标优化问题.
研究的目的:
- 在BCI中为EEG通道选择提出一个双目标优化模型.
- 引入一个域知识辅助多目标优化算法 (DK-MOEA) 来解决这个问题.
- 为了平衡任务准确性与所选EEG频道的数量.
主要方法:
- 一个基于道连接矩阵的双目标优化问题模型被制定出来.
- 开发了一个域知识辅助多目标优化算法 (DK-MOEA),采用两个空间框架 (人口和知识).
- 集成了一个知识辅助更新操作员,以提高搜索效率.
主要成果:
- 在疲劳检测任务中,DK-MOEA的性能超过了四个最先进的算法.
- 知识辅助突变运营商的有效性得到了验证.
- 与传统方法相比,DK-MOEA成功地平衡了任务准确性和选择道的数量.
结论:
- 拟议的模型和DK-MOEA允许最小的频道选择,而不会影响准确性.
- 领域知识整合显著改善了DK-MOEA的业绩.
- 这些方法通过减少数据处理的复杂性来提高BCI系统的便利性.
