非表示の半マルコフモデルを使用した非同期脳コンピューターインターフェイス

理想的な脳のコンピューターインターフェイスは、非同期的かつリアルタイムで実行する必要があります。Hidden Semi-Markovモデル（HSMM）を提案して、EEGデータをより適切に分類して分類します。提案されたHSMMメソッドは、標準データセットの単純なウィンドウメソッドに対してテストされました。HSMMが単純なウィンドウメソッドを上回ることがわかりました。さらに、アルゴリズムの計算需要により、HSMMアルゴリズムをオンライン設定に適合させ、このより高速なバージョンのアルゴリズムがリアルタイムで実行できることを実証しました。

Ideal Brain Computer Interfaces need to perform asynchronously and at real time. We propose Hidden Semi-Markov Models (HSMM) to better segment and classify EEG data. The proposed HSMM method was tested against a simple windowed method on standard datasets. We found that our HSMM outperformed the simple windowed method. Furthermore, due to the computational demands of the algorithm, we adapted the HSMM algorithm to an online setting and demonstrate that this faster version of the algorithm can run in real time.