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.

Onderzoek naar het gebruike van bestaande methodes om EEG-data te verwerken zodat UX-inspanningen op een website of applicatie objectief kunnen gescoord worden. Zo zouden UX-analyses mogelijks kunnen worden geautomatiseerd. Daarnaast kan men hierdoor ook eenvoudig de cognitieve ballast die de gebruikers van een interface ervaren gaan meten en proberen verlagen.

Deze thesis evalueert het gebruik van gedistribueerde signaalverwerkingsalgoritmen voor de online classificatie van "motor-imagery"-data in draadloze EEG-sensornetwerken met als doel de benodigde communicatiebandbreedte te verkleinen die zulke netwerken belemmerd een realiteit te worden. Hiertoe werd eerst een gedistribueerde classificatiepijplijn ontwikkeld. Daarna werd de performance van zulke systemen geëvalueerd door zowel emulatie op basis van experimentele HD-EEG data om de accuraatheid te bepalen alsook door modellering van de energieconsumptie en latency.