La Maximización de la Distancia de Distribución de Ventana Deslizante de Igualación Espacio-Temporal Basada en Aprendizaje No Supervisado para Interfaces Cerebro-Computadora Basadas en Potenciales Evocados Relacionados con Eventos en Línea
Autores: Wang, Haoye; Jin, Jing; He, Xinjie; Li, Shurui; Cichocki, Andrzej
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
La Maximización de la Distancia de Distribución de Ventana Deslizante de Igualación Espacio-Temporal Basada en Aprendizaje No Supervisado para Interfaces Cerebro-Computadora Basadas en Potenciales Evocados Relacionados con Eventos en Línea
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Interfaces cerebro-computadora
Potenciales evocados relacionados con eventos
Algoritmos no supervisados
Igualación espaciotemporal
Maximización de la distancia de distribución de ventana deslizante
Clasificación de ERP
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Las interfaces cerebro-computadora (BCI) proporcionan un camino de comunicación directo entre el sistema nervioso central y los entornos externos, lo que permite el control de la interacción humano-máquina. Entre ellas, las BCI basadas en potenciales relacionados con eventos (ERP) son algunos de los sistemas BCI más precisos y fiables. Sin embargo, los algoritmos de clasificación actuales en la corriente principal luchan por eliminar los requisitos de calibración y dependen en gran medida de datos etiquetados costosos, lo que limita la usabilidad práctica de las BCI basadas en ERP. Para abordar esto, el desarrollo de algoritmos no supervisados es fundamental para avanzar en las aplicaciones BCI del mundo real. En este estudio, proponemos el algoritmo de maximización de distancia de distribución de ventana deslizante de igualación espaciotemporal (STE-sDDM), que introduce la igualación espaciotemporal (STE) a la clasificación ERP no supervisada por primera vez e integra un nuevo método de clasificación no supervisada, la maximización de distancia de distribución de ventana deslizante (sDDM). STE estima y elimina la interferencia de ruido coloreado en el ruido de fondo para mejorar la relación señal-ruido de las entradas para sDDM. Mientras tanto, sDDM aprovecha una métrica de divergencia interclase mejorada basada en la teoría de la hipótesis ergódica, utilizando ventanas deslizantes para enfatizar características temporalmente discriminativas, mejorando así la precisión de la clasificación no supervisada. Los resultados experimentales demuestran que la integración de STE y sDDM mejora significativamente la separabilidad de características ERP, superando a los algoritmos de clasificación en línea no supervisados de última generación en precisión de ortografía y tasa de transferencia de información (ITR), facilitando un control en tiempo real más preciso y rápido para los sistemas BCI. Además, se encontró que las arquitecturas de ecualizador espaciotemporal estático superan a las arquitecturas dinámicas cuando se combinan con este marco.
Descripción
Las interfaces cerebro-computadora (BCI) proporcionan un camino de comunicación directo entre el sistema nervioso central y los entornos externos, lo que permite el control de la interacción humano-máquina. Entre ellas, las BCI basadas en potenciales relacionados con eventos (ERP) son algunos de los sistemas BCI más precisos y fiables. Sin embargo, los algoritmos de clasificación actuales en la corriente principal luchan por eliminar los requisitos de calibración y dependen en gran medida de datos etiquetados costosos, lo que limita la usabilidad práctica de las BCI basadas en ERP. Para abordar esto, el desarrollo de algoritmos no supervisados es fundamental para avanzar en las aplicaciones BCI del mundo real. En este estudio, proponemos el algoritmo de maximización de distancia de distribución de ventana deslizante de igualación espaciotemporal (STE-sDDM), que introduce la igualación espaciotemporal (STE) a la clasificación ERP no supervisada por primera vez e integra un nuevo método de clasificación no supervisada, la maximización de distancia de distribución de ventana deslizante (sDDM). STE estima y elimina la interferencia de ruido coloreado en el ruido de fondo para mejorar la relación señal-ruido de las entradas para sDDM. Mientras tanto, sDDM aprovecha una métrica de divergencia interclase mejorada basada en la teoría de la hipótesis ergódica, utilizando ventanas deslizantes para enfatizar características temporalmente discriminativas, mejorando así la precisión de la clasificación no supervisada. Los resultados experimentales demuestran que la integración de STE y sDDM mejora significativamente la separabilidad de características ERP, superando a los algoritmos de clasificación en línea no supervisados de última generación en precisión de ortografía y tasa de transferencia de información (ITR), facilitando un control en tiempo real más preciso y rápido para los sistemas BCI. Además, se encontró que las arquitecturas de ecualizador espaciotemporal estático superan a las arquitecturas dinámicas cuando se combinan con este marco.