脑电图(EEG)是监测心理活动的常见方式之一。由于该系统的无创可用性,其适用性在医疗用例以外的出色发展。这样的用例是脑部计算机界面(BCI)。这样的系统需要使用高分辨率的多通道脑电图设备,以便数据收集跨越大脑的多个位置,例如枕骨,额叶,时间等。This results in huge data (with high sampling rates) and with multiple EEG channels with inherent artifacts.例如,在分析这种性质的数据中存在几个挑战,例如,选择最佳数量的脑电图渠道或决定依靠哪些最佳功能来实现更好的性能。选择这些变量很复杂,需要大量的领域知识和无创的脑电图监测,这总是不可行的。因此,优化是一种易于访问的工具。已经提出了将这些问题作为优化问题提出的巨大努力。结果,在BCI中已经开发了各种多目标和约束优化功能,这些功能已在设备控制中实现了可靠的结果,例如神经螺旋臂,应用程序控制,游戏,游戏等。本文试图研究在制定BCI问题的优化技术的用法。详细讨论了这些方法的结果,挑战和主要观察结果。
主要关键词