Fumanal Idocin, JavierVidaurre Arbizu, CarmenGómez Fernández, MarisolUrío Larrea, AsierPereira Dimuro, GraçalizBustince Sola, Humberto2022-09-202022-09-202021Fumanal-Idocin, J.; Vidaurre, C.; Gómez, M.; Urío, A.; Pereira Dimuro, G.; Bustince, H.. (2021). Optimizando desviaciones moderadas ponderadas para interfaces cerebro ordenador. En: Enrique Alba... [et al.] (Eds.): XIX Conferencia de la Asociación Española para la Inteligencia Artificial CAEPIA 20/21. Universidad de Málaga, 2021, pp. 370-375.https://academica-e.unavarra.es/handle/2454/44044Las interfaces cerebro-ordenador (BCI) basadas en el análisis de Electroencefalografía (EEG) están compuestas por varios elementos para procesar y clasificar las señales de entrada del cerebro. Una fase relevante de estos sistemas es el módulo de toma de decisiones, en el que la salida de diferentes clasificadores se fusiona en uno solo. En este trabajo proponemos el uso de funciones basadas en desviaciones moderadas con ponderaciones para la fase de toma de decisiones del sistema de BCI de fusión multimodal mejorado (EMF). Las funciones de agregación basadas en desviación moderada (MD) nos permiten elegir el mejor valor para agregar un vector de puntos utilizando una función de desviación moderada. Usando una MD ponderada, también podemos tener en cuenta la importancia relativa de cada dimensión en los datos multidimensionales que estamos agregando. Utilizando estas funciones en el EMF, podemos ponderar cada una de las diferentes señales cerebrales según su importancia, y utilizando la diferenciación automática, también podemos optimizarlas para el problema concreto a solucionar.application/pdfspa© Los autoresInterfaces cerebro-ordenador (BCI)Desviación moderada ponderadainfo:eu-repo/semantics/conferenceObject2022-09-20info:eu-repo/semantics/openAccess