Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/handle/123456789/9850
Title: Rede de convolução para sistema biométrico baseado em EEG.
Authors: Schons, Thiago
metadata.dc.contributor.advisor: Moreira, Gladston Juliano Prates
Keywords: Biometria
Rede neural
Eletroencefalograma
Rede de convolução
Issue Date: 2018
metadata.dc.contributor.referee: Moreira, Gladston Juliano Prates
Bianchi, Andrea Gomes Campos
Gomes, David Menotti
Coelho, Vitor Nazário
Citation: SCHONS, Thiago. Rede de convolução para sistema biométrico baseado em EEG. 2018. 68 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2018.
Abstract: Sistemas biométricos encontram-se em grande expansão pela necessidade de segurança em todas as esferas da sociedade, nesse contexto sistemas baseados em eletroencefalograma (EEG) vem despertando grande interesse entre os pesquisadores. No entanto, essa modalidade biométrica é suscetível a ruídos na captação de sinais e tem problemas de escala, acurácia e captação em ambientes não controlados, representando um grande desafio. Métodos baseados em redes neurais de convolução vêm sendo explorados na literatura para processamento de sinais e resultados expressivos para sua classificação vem sendo obtidos. Nesse cenário, o método proposto neste trabalho é baseado em Rede Neural de Convolução (CNN) para verificação biométrica e avaliação em uma base de dados da Physionet. Uma técnica de data augmentation baseada em sobreposição dos sinais é proposta para ampliar a quantidade de dados de treinamento da rede de aprendizagem em profundidade. A redução do equal error rate (EER) de 4,5% para 0,19% nos testes baseline em comparação com a literatura mostram que o método é um caminho promissor na representação de sinais cerebrais para biometria.
metadata.dc.description.abstracten: Biometric systems are in great expansion by the need for security in all spheres of society, in this context systems based on electroencephalogram (EEG) has aroused great interest among researchers. However, this biometric modality is susceptible to noise in signal capture and has problems of scale, accuracy and capture in uncontrolled environments, representing a great challenge. Methods based on convolution neural networks (CNN) have been explored in the literature for signal processing and expressive results for their classication have been obtained. In this scenario, the proposed method is based on CNN for biometric verication and evaluation in a Physionet database. A data augmentation technique based on overlapping signals is proposed to increase the amount of training data for the deep learning network. The reduction of the equal error rate (EER) from 4.5% to 0.19% in the baseline tests compared to the literature shows that the method is a promising path in the representation of brain signals for biometrics.
Description: Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/9850
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo autor(a), 11/04/2018, com as seguintes condições: disponível sob Licença Creative Commons 4.0, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação.
Appears in Collections:PPGCC - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_RedeConvoluçãoSistema.pdf2,51 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.