Estrutura competitiva de redes neurais autoassociativas para classificação de fadiga mental através de sinais de eletroencefalografia

• Ano de defesa: 2018
• Autor(a) principal: FERREIRA, Mylena Nazaré Medeiros dos Reis
• Orientador(a): CASTRO, Adriana Rosa Garcez
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pará
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Departamento: Instituto de Tecnologia
• País: Brasil
• Palavras-chave em Português: Redes neurais autoassociativas; Classificacao de fadiga mental; Sinais EEG Pre-processamento de Sinal, Estruturas; Pre-processamento de Sinal; Estruturas competitivas; Eletroencefalografia
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://repositorio.ufpa.br/jspui/handle/2011/10648

A complexidade da analise da fadiga mental em pessoas saudaveis e evidenciada pela ausencia de perturbacoes especificas no sinal eletroencefalografico e pela singularidade e variabilidade do perfil cognitivo de cada individuo. Identificar esse tipo de estado mental requer a analise de diversos fatores que envolvem o comportamento das regioes cerebrais em diversas faixas de frequencia. No contexto da industria, a fadiga mental compromete a eficiencia da cadeia produtiva ao afetar a percepcao (concentracao e atencao) dos individuos, o que aumenta o risco de acidentes e os custos de producao. Desta forma, o monitoramento da condicao cognitiva faz-se necessario para a manutencao do desempenho produtivo e cognitivo do individuo avaliado. Dentro deste contexto, este trabalho propoe um sistema para classificacao da fadiga mental baseado em uma estrutura competitiva de Redes Neurais Autoassociativas e em sinais obtidos atraves de um eletroencefalografo. O vetor de caracteristicas usado como entrada para o sistema e composto pelas informacoes normalizadas de tres faixas de frequencias (teta, beta e alfa) e quatro metricas que, de acordo com a literatura, diferenciam estados mentais a partir dos dados eletroencefalograficos, em termos de densidade de energia espectral. Os resultados obtidos mostram a eficiencia do sistema proposto e a aplicabilidade das redes neurais autoassociativas para problemas de classificacao de padroes.