Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/969
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorLuz, Eduardo José da Silvapt_BR
dc.contributor.authorQueiroz, Vinicius Augusto Pereira-
dc.date.accessioned2018-06-05T15:49:02Z-
dc.date.available2018-06-05T15:49:02Z-
dc.date.issued2017-
dc.identifier.citationQUEIROZ, Vinicius Augusto Pereira. Aplicações de redes neurais artificiais profundas em reconhecimento de padrões motores e eletroencefalograma utilizando redes complexas. 2017. 56 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2017.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/969-
dc.description.abstractOs projetos de Interface Cérebro-Máquina têm se destacado na comunidade da Engenharia Biomédica na última década, devido aos avanços dos recursos computacionais e dos algoritmos de Aprendizagem de Máquina e também às diversas aplicações que este tipo de sistema pode proporcionar aos usuários. Entretanto, as pesquisas apresentadas na literatura ainda apresentam barreiras impedindo a utilização destes sistemas pelo público em geral, sejam por limites de praticidade ou de eficácia. Neste trabalho, propomos um estudo sobre as Interfaces Cérebro-Máquina, apresentando os conceitos básicos para sua implementação e para o entendimento do funcionamento dos mesmos. Um projeto prático também foi realizado e avaliado utilizando um banco de dados de eletroencefalograma de Imageria Motora, testando um método proposto recentemente que ainda não havia sido utilizado para este propósito, com o intuito de expandir as pesquisas nesta área. Os resultados mostram que ainda há muitos testes a serem realizados com este método, e que a definição dos valores dos hiper-parâmetros do algoritmo é a maior dificuldade de implementação deste modelo de Interface Cérebro-Máquina.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectImageria motorapt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.titleAplicações de redes neurais artificiais profundas em reconhecimento de padrões motores e eletroencefalograma utilizando redes complexas.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.rights.licenseAutorização concedida à Biblioteca Digital de TCC’s da UFOP pelo(a) autor(a) em 11/12/2017 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.pt_BR
dc.contributor.refereeLuz, Eduardo José da Silvapt_BR
dc.contributor.refereeMoreira, Gladston Juliano Pratespt_BR
dc.contributor.refereeFortes, Reinaldo Silvapt_BR
dc.description.abstractenBrain-Computer Interfaces projects have been highlighted in the Biomedical Engineering community over the last decade, due to improvements in computational resources and Machine Learning algorithms and also due to the diverse applications these systems may provide to the users. However, the researches presented in the literature still present barriers preventing general public use of these systems, either by limits in practicity or efficacy. In this paper we propose a study about Brain Computer Interfaces, presenting the basic concepts needed for its implementation and understanding how they work. A practical project was also elaborated and evaluated using a Motor Imagery electroencephalogram database, testing a recently proposed method which had not been utilized for this purpose yet, with the aim to expand the researches in this field. Results show that there is plenty of tests yet to be made with this method, and that the definition of the hyperparameters values of the algorithm is the most difficult task of implementation of this model of Brain-Computer Interface.pt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AplicaçãoRedesNeurais.pdf5,62 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons