Optimization of the brain command dictionary based on the statistical proximity criterion in silent speech recognition task

Bernadotte, A.; Mazurin, A.D.

Статья опубликована в журнале из списка RSCI Web of Science

Информация о цитировании статьи получена из Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 20 февраля 2024 г.

Авторы: Bernadotte Alexandra, Mazurin Alexandr D.
Журнал: Компьютерные исследования и моделирование
Том: 15
Номер: 3
Год издания: 2023
Издательство: Автономная некоммерческая организация Ижевский институт компьютерных исследований
Местоположение издательства: Ижевск
Первая страница: 675
Последняя страница: 690
Номер статьи: 41
DOI: 10.20537/2076-7633-2023-15-3-675-690
Аннотация: In our research, we focus on the problem of classification for silent speech recognition to develop a brain–computer interface (BCI) based on electroencephalographic (EEG) data, which will be capable of assistingpeople with mental and physical disabilities and expanding human capabilities in everyday life. Our previousresearch has shown that the silent pronouncing of some words results in almost identical distributions ofelectroencephalographic signal data. Such a phenomenon has a suppressive impact on the quality of neuralnetwork model behavior. This paper proposes a data processing technique that distinguishes between statisticallyremote and inseparable classes in the dataset. Applying the proposed approach helps us reach the goal ofmaximizing the semantic load of the dictionary used in BCI.Furthermore, we propose the existence of a statistical predictive criterion for the accuracy of binaryclassification of the words in a dictionary. Such a criterion aims to estimate the lower and the upper boundsof classifiers’ behavior only by measuring quantitative statistical properties of the data (in particular, usingthe Kolmogorov – Smirnov method). We show that higher levels of classification accuracy can be achieved bymeans of applying the proposed predictive criterion, making it possible to form an optimized dictionary interms of semantic load for the EEG-based BCIs. Furthermore, using such a dictionary as a training datasetfor classification problems grants the statistical remoteness of the classes by taking into account the semanticand phonetic properties of the corresponding words and improves the classification behavior of silent speechrecognition models.
Добавил в систему: Бернадотт Александра

	ИСТИНА	Войти в систему Регистрация
	Интеллектуальная Система Тематического Исследования НАукометрических данных
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

Интеллектуальная Система Тематического Исследования НАукометрических данных

Optimization of the brain command dictionary based on the statistical proximity criterion in silent speech recognition taskстатья

Прикрепленные файлы