Optimizing the number of electrodes and spatial filters for Brain-Computer Interfaces by means of an evolutionary multi-objective approach

به دست آوردن طبقه بندی دقیق بالا از اینترفیس کامپیوتر مغز نیاز به اتصال بسیاری از الکترودهای روی پوست افراد. از سوی دیگر، قرار دادن آنها روی پوست سر به طور معمول یک فرایند سخت و وقت گیر است. بنابراین، برای تمرینکننده مهم است که تعداد الکترودها و آنهایی که لازم است برای به دست آوردن دقت مورد نیاز، تخمین بزنند. با این هدف، یک فرمول چند منظوره برای به دست آوردن یک مجموعه ای از راه حل ها (جبهه پارتو) ارائه می شود که نشان دهنده تمام توافق های مطلوب بین تعداد کانال ها و دقت طبقه بندی است که از آن می توان عملگر را انتخاب کرد. علاوه بر این، تحقیقات قبلی نشان داده است که دقت طبقه بندی به شدت به تنظیم مناسب فیلتر مورد استفاده برای پیش پردازش الکتروانسفالوگرام بستگی دارد. بنابراین، در این کار، الگوریتم ژنتیک مرتب غالب غالب غالب نمی شود، برای بهینه سازی هر دو تعداد الکترودها و خطای طبقه بندی از طریق بهینه سازی یک فیلتر فضایی کدگذاری شده در محلول استفاده می شود. واقعیت این است که فیلتر بخشی از راه حل است که اجازه می دهد تا به جای یک ماسک دوتایی طولانی مانند سایر شیوه ها، با استفاده از یک آستانه ساده انتخاب شود که چه الکترودهای باید انتخاب شوند. نتایج تجربی نشان می دهد که در واقع، بهینه سازی همزمان فیلتر فضایی و الکترودهای انتخابی برای به دست آوردن یک خطای طبقه بندی پایین، در مقایسه با روش های دیگر که تعداد الکترودها را کاهش می دهد، اما فیلتر را اصلاح نمی کند، حیاتی است.