Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/teiep/10450
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚατσιρμάς, Κωνσταντίνοςel
dc.date.accessioned2019-10-15T10:44:25Z-
dc.date.available2019-10-15T10:44:25Z-
dc.date.issued2019-10-15-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/10450-
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectεγκέφαλος, σύστημα διεπαφής, μηχανική μάθησηel
dc.titleΤαξινόμηση εγκεφαλογραφήματος με βάση διαφορετικά προκλητά δυναμικά γεύσης.el
heal.typebachelorThesis-
heal.classificationεγκέφαλος, σύστημα διεπαφής, μηχανική μάθησηel
heal.classificationΤαξινόμηση εγκεφαλογραφήματοςel
heal.identifier.secondaryΠτυχιακή Εργασία-
heal.dateAvailable2024-01-11T13:26:04Z-
heal.languageel-
heal.accessfree-
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.publicationDate2019-10-11-
heal.bibliographicCitationΚατσιρμάς, Κ., 2019. Ταξινόμηση εγκεφαλογραφήματος με βάση διαφορετικά προκλητά δυναμικά γεύσης. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.abstractΣτην παρούσα εργασία πραγματοποιήθηκε η προσομοίωση ενός συστήματος BCI(Brain- Computer-Interfaces), με έμφαση στην ταξινόμηση σημάτων που ανακτώνται σε πραγματικό χρόνο από συσκευή ηλεκτροεγκεφαλογραφήματος. Συγκεκριμένα, το πείραμα αυτό είναι βασισμένο σε διάφορες ερευνητικές αλλά και πειραματικές εργασίες, οι οποίες έχουν παρουσιαστεί στην διεθνή βιβλιογραφία, εκτελούνται με την επικοινωνία BCI συσκευής με το λογισμικό επεξεργασίας σημάτων. Επίσης με βάση τους αλγορίθμους μηχανικής μάθησης οι οποίοι θα εκπαιδευτούν από τα εγκεφαλογραφήματα στις διάφορες γεύσεις (ξiνό, γλυκό, αλμυρό, πικρό) αυτό γίνεται με σκοπό την ορθή ταξινόμηση ανάλογα με το ερέθισμα το οποίο δίδεται.el
heal.abstractThe present work simulated a BCI (Brain-Computer-Interfaces) system, focusing on the classification of signals recovered in real time from an electroencephalogram. Specifically, this experiment is based on various research and experimental works, which have been presented in international literature, performed with the BCI communication software with the signal processing software. Also, based on the algorithmic learning mechanics that will be trained by the encephalographies of different flavors (sour, sweet, salty, bitter), this is done in order to properly classify it according to the stimulus given.el
heal.advisorNameΓιαννακέας, Νικόλαοςel
heal.committeeMemberNameΤζάλλας, Αλέξανδροςel
heal.committeeMemberNameΔημόπουλος, Δημήτριοςel
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.academicPublisherIDteiep-
heal.numberOfPages78-
heal.fullTextAvailabilitytrue-
Appears in Collections:Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε.

Files in This Item:
File Description SizeFormat 
Εργασία_Κατσιρμάς-converted.pdfΠτυχιακή Εργασία3.9 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons