
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Figueiredo, Guilherme R. | - |
| Autor(es): dc.creator | Leite, Sarah Negreiros de Carvalho | - |
| Autor(es): dc.creator | Vargas, Guilherme Vettorazzi | - |
| Autor(es): dc.creator | Barbosa, Vitor M. | - |
| Autor(es): dc.creator | Peixoto, Cecilia S. A. | - |
| Autor(es): dc.creator | Leite, Harlei Miguel de Arruda | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:10:44Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:10:44Z | - |
| Data de envio: dc.date.issued | 2024-11-25 | - |
| Data de envio: dc.date.issued | 2024-11-25 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19200 | - |
| Fonte completa do material: dc.identifier | https://www.ijecer.org/ijecer/article/view/370 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.53375/ijecer.2023.370 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1004516 | - |
| Descrição: dc.description | Brain-computer interfaces (BCIs) based on steady-state visually evoked potential (SSVEP) use brain activity to control external devices, with applications ranging from assistive technologies to gaming. Typically, BCI systems are developed using supervised learning techniques that require labelled brain signals. However, acquiring these labelled signals can be tiring and time-consuming, especially for subjects with disabilities. In this study, we evaluated the performance impact of using synthetic brain signals to train and calibrate an SSVEP-based BCI system. Specifically, we used generative adversarial networks (GANs) to synthesize brain signals with SSVEP information, considering cases with two and four visual stimuli. Four scenarios with different proportions of real vs. synthetic brain signals were evaluated: Scenario 1 (baseline) using only real data and Scenarios 2-4 with 10%, 20% and 30% of real data replaced by synthetic data, respectively. Our results reveal that synthetic data can be used to train the BCI without a performance loss across the tested scenarios when two visual stimuli are used and with an average performance reduction compared to baseline of 7% (Scenario 2), 10,3% (Scenario 3) and 9,3% (Scenario 4) for four stimuli. Furthermore, considering each recording has duration of 2 seconds, by replacing 30% of real data with synthetic data, there is an immediate time-saving of 48 s and 96 s in the cases with two and four visual stimuli, respectively. This trade-off between accuracy and efficiency has significant implications for improving the usability and accessibility of SSVEP-based BCI, especially for assistive applications. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | restrito | - |
| Palavras-chave: dc.subject | Brain-computer interface | - |
| Palavras-chave: dc.subject | Generative adversarial networks | - |
| Palavras-chave: dc.subject | Human-computer interface | - |
| Palavras-chave: dc.subject | Steady-state visually evoked potential | - |
| Título: dc.title | Optimizing SSVEP-based BCI training through Adversarial Generative Neural Networks. | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: