Uso di tecniche bayesiane per il miglioramento delle performance in un sistema BCI basato sulla P300

Il Brain-Computer Interface è un sistema in grado di esprimere la volontà del soggetto senza alcuna mediazione del sistema nervoso e muscolare, ma con l’impiego di un segnale di attività celebrale. Il segnale di controllo utilizzato è la P300 e quindi tale sistema si basa sul riconoscimento della componente ERP. Questa decisione è presa dal classificatore addestrato sulla base di features estratte dal segnale opportunamente elaborato. L’obiettivo di questa tesi è valutare l’effetto di un pre-processing bayesiano sulle performance del classificatore. In particolare, sono due le metodiche testate: un metodo bayesiano a due step (B2S) ed un metodo di Multi Task Learning (MTL). Per ognuno delle due tecniche si sono determinate le stime relative e sulla base di queste si sono addestrati numerosi classificatori e calcolati opportuni indici di errore. Infine si è eseguito un confronto di tali prestazioni, in particolare con quello ottenute mediante decomposizione ICA