Scriptiebank overzicht

Een enorm voorgetraind taalmodel (GPT2) wordt gebruikt om elektro-encefalografie te classificeren. Zo wordt nagegaan of er een verband is tussen taal en elektrische hersengolven, in de hoop inzicht te krijgen in algemene hersengolf patronen.

Brein-computer interface gebaseerd op EEG en mVEP met een spatiotemporal beamformer classifier vergeleken tegenover SVM en SWLDA. Hybride BCI met P300 en mVEP en de invloed van translatierichting werd ook bestudeerd.

Brein-computer interfaces kunnen onze gedachten in acties omzetten. In die scriptie is zo een brein-computer interface ontwikkeld om een robothand te controleren en verbonden psychologische effecten te studeren.

Een brein-computer interface (BCI) is een input-output systeem dat ervoor zorgt dat de gebruiker
een bepaald computersysteem kan aansturen via zijn hersenen. Dit systeem is echter heel
persoonsgebonden, waardoor de gebruiker een lange kalibratietijd moet doorgaan van 20 tot 30
minuten. Daar dit veel concentratie en tijd van de gebruiker vergt, is dit niet gewenst. In deze thesis wordt een methode voorgesteld om deze langdurige kalibratietijd te verminderen met behoud van een hoge accuraatheid.