dc.creator.ID |
XAVIER, F. P. |
pt_BR |
dc.creator.ID |
XAVIER, FELIPE P. |
pt_BR |
dc.creator.ID |
PORGE XAVIER, FELIPE. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/3053349637803534 |
pt_BR |
dc.contributor.advisor1 |
PERKUSICH, Angelo. |
|
dc.contributor.advisor1ID |
Perkusich, Angelo. |
pt_BR |
dc.contributor.advisor1ID |
Perkusich, A. |
pt_BR |
dc.contributor.advisor1ID |
Angelo Perkusic. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/9439858291700830 |
pt_BR |
dc.contributor.referee1 |
ROCHA NETO, José Sérgio da. |
|
dc.contributor.referee1ID |
ROCHA NETO, J. S. |
pt_BR |
dc.contributor.referee1ID |
ROCHA NETO, J S DA. |
pt_BR |
dc.contributor.referee1ID |
DA ROCHA NETO, JOSE SERGIO. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/9085919442313408 |
pt_BR |
dc.contributor.referee2 |
SILVA, Jaidilson Jó da. |
|
dc.contributor.referee2ID |
SILVA, J. J. |
pt_BR |
dc.contributor.referee2ID |
Da Silva, J. J. |
pt_BR |
dc.contributor.referee2ID |
Silva, Jaidilson Jó. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/9247322786251981 |
pt_BR |
dc.description.resumo |
O cérebro humano está, na maior parte do tempo, processando informações para reagir de
acordo com os estímulos recebidos pelo conjunto sensorial do corpo humano. A fadiga men-
tal é um estado de sonolência e baixa atenção que aumenta o tempo de reação do indivíduo.
No trânsito, o baixo tempo de reação é crucial para evitar acidentes, o que torna a fadiga
mental um fator de risco para os motoristas, principalmente ao trafegar em rodovias, as
quais normalmente permitem velocidades mais altas. Neste trabalho, é descrito um método
de classificação de sinais de eletroencefalograma (EEG) em sonolência, utilizando redes neu-
rais artificiais otimizadas utilizando algoritmos genéticos. Os parâmetros de entrada foram
calculados para grupos de 256 amostras (janelas de 1 segundo) do canal AF7 de um headset
de EEG portátil denominado Muse. A aplicação do método proposto resultou em 13,42% de
erro na classificação das amostras (confusão), 14,49% de erro quadrático médio, 85,21% de
sensitividade e 87,95% de especificidade, a partir da utilização de dados adquiridos durante
sessões em um simulador de direção. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica |
pt_BR |
dc.title |
Classificação do estado de sonolência para motoristas com base em eletroencefalograma, redes neurais artificiais e algoritmos genéticos. |
pt_BR |
dc.date.issued |
2018-08-08 |
|
dc.description.abstract |
Most of the time, the human brain is processing information to react according to the stim-
uli received through the sensory nervous system. The mental fatigue is a state of drowsiness
and low attention that increases the reaction time of an individual. In the traffic, the short
reaction time is crucial to avoid accidents, what means that mental fatigue is a risk factor for
drivers, especially when driving through highways in which higher speeds are normally al-
lowed. This work describes a method to classify EEG signals in drowsiness by using artificial
neural networks optimized by genetic algorithms. The input parameters were calculated for
groups of 256 samples (1 second window) of channel AF7 of a Muse portable EEG headset.
The application of the proposed method resulted in 13.42% of classification error (confu-
sion), 14.49% of mean squared error, 85.21% of sensitivity and 87.95% of specificity, using
data acquired during sessions in a driving simulator. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/26979 |
|
dc.date.accessioned |
2022-09-06T19:00:05Z |
|
dc.date.available |
2022-09-06 |
|
dc.date.available |
2022-09-06T19:00:05Z |
|
dc.type |
Dissertação |
pt_BR |
dc.subject |
Sonolência |
pt_BR |
dc.subject |
Eletroencefalograma |
pt_BR |
dc.subject |
Motoristas |
pt_BR |
dc.subject |
Trânsito |
pt_BR |
dc.subject |
Somnolence |
pt_BR |
dc.subject |
Electroencephalogram |
pt_BR |
dc.subject |
Drivers |
pt_BR |
dc.subject |
Traffic |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
XAVIER, Felipe Porge. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Drowsy state rating for drivers based on electroencephalogram, artificial neural networks and genetic algorithms. |
pt_BR |
dc.identifier.citation |
XAVIER, Felipe Porge. Classificação do estado de sonolência para motoristas com base em
eletroencefalograma, redes neurais artificiais e algoritmos genéticos. 2018. 73 fl. Dissertação (Mestrado em Engenharia Elétrica), Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2018. |
pt_BR |