КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Розмір шрифта: 
Особливості застосування передавального навчання для декодування уявного мовлення в інтерфейсах “мозок—комп'ютер”
Дар'я Урлапова, Богдан Боднаренко, Юрій Іванов

Остання редакція: 2025-12-09

Анотація


У даній роботі описано особливості використання передавального навчання у системах, які вимагають декодування уявного мовлення на базі EEGNet. Дослідження визначає пріоритетні напрями подальших робіт: подолання міжособистісної варіабельності сигналів, підвищення стійкості до артефактів руху та розробка енергоефективних архітектур нейромереж.

 

Abstract
This paper has analyzed the features of using transfer learning in systems that require decoding of imaginary speech based on EEGNet. The research identifies priority directions for further work: overcoming interpersonal signal variability, increasing resistance to motion artifacts, and developing energy-efficient neural network
architectures.


Ключові слова


нейронаука, уявне мовлення, глибоке навчання, передавальне навчання, інтерфейс “мозок-комп’ютер”; neuroscience, imaginative speech, deep learning, transfer learning, brain-computer interface

Посилання


1. A Review of Classification Algorithms for EEG-based Brain-Computer Interfaces / F. Lotte, M. Congedo, A. Lécuyer et al. Journal of Neural Engineering. 2007. Vol. 4 (2). pp. 1–28.

 

2. Pan S.J., Yang Q. A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering. 2010. Vol. 22 (10). pp. 1-15.

 

3. EEGNet: A Compact Convolutional Neural Network for EEG-based Brain-Computer Interfaces / V.J. Lawhern, A.J. Solon, N.R. Waytowich et al. Journal of Neural Engineering. 2018. Vol. 15 (5). pp. 1-30.

 

4. Ang K. K., Guan C. EEG-based Strategies to Detect Motor Imagery for Control and Rehabilitation. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2017. Vol. 25 (4). pp. 1–10.


Повний текст: PDF