Наведено застосування машинного навчання для виявлення "викидів" (випадкових відхилень) у даних і підвищення точності класифікації уявних рухів нейрокомп'ютерними інтерфейсами. Використано базу даних сигналів електроенцефалограм 29 суб'єктів, що виконували уявні рухи правою та лівою рукою (NIRx GmbH, Берлін). Наведено підхід на базі методів машинного навчання без вчителя, за допомогою яких відбувається детектування викидів у даних. У результаті отримується співвідношення параметра насичення даних викидами до точності класифікації. Обраний параметр насичення даних викидами фактично є показником якості вхідних даних і використовується для очищення даних перед тренуванням нейрокомп'ютерного інтерфейсу. У результаті використання запропонованого підходу точність класифікації уявних рухів збільшилась в середньому на 14,9 % для восьми суб'єктів. Для інших суб'єктів точність лишилась незмінною, або зменшилась. В результаті виявлено, що запропонований підхід є суб'єкто-специфічним і потребує налаштування для окремого користувача та вдосконалення для широкого застосування, проте вже зараз надає можливість суттєво підвищити точність класифікації уявних рухів окремих суб'єктів.

• Попов Антон Олександрович (технічні науки)
• Тимофєєв Володимир Іванович (1954–) (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"