Rozšíření dat pro zpracování biologického signálu

Abstract

Snaha napodobit lidský (zvířecí) mozek existuje už dlouho. Prvním velkým krokem byly analogové neuronové sítě. Tyto sítě mají spoustu podtypů, které všechny pracují na principu spojitých dat, ale to není vždy úplně možné. Pro práci s diskrétními daty byly vyvinuty impulzivní neuronové sítě, které napodobují mozkové chování ještě lépe a pracují s diskrétními daty. Velký problém u neuronových sítí obecně je schopnost se učit. K tomu je zapotřebí množina dat. Ve spoustě oblastí je získávaní dat jednoduché. V oblasti Elektroencefalografických (EEG) dat je velmi obtížné získat data. Proto se tato práce zabývá umělým zvětšením již naměřené množiny dat za účelem zlepšení úspěšnosti automatického rozpoznávání P300 signálů. Toto zvětšení je provedeno přidáním umělých prvků. Výsledky ukazují, že tato metoda je možným a funkčním řešením.