Dissertação - Mateus Schoffen

Aprendizado de máquina usando PCA em dados de atividade cerebral

Autor: Mateus Schoffen (Currículo Lattes)

Resumo

Este trabalho tem um cunho interdisciplinar, abordando as áreas da Neurociência e Aprendizado de Máquina e tem como objetivo analisar técnicas de Aprendizado de Máquina aplicadas em dados coletados através de eletroencefalograma em um estudo de caso onde o sujeito está realizando uma atividade de matemática ou está relaxando. Uma pesquisa na literatura demonstra que existem outros estudos envolvendo PCA e técnicas de mineração de dados, porém, nenhuma comparando diversas técnicas de aprendizado de máquina supervisionado e não-supervisionado a fim de analisar a acurácia resultante após o uso da técnica de PCA. Foram utilizadas técnicas de mineração de dados que são capazes de fazer o processamento de grandes quantidades de dados, facilitando a obtenção das informações desejadas. Para o trabalho foi utilizado uma base de dados existente, ao qual realizou-se o pré-processamento e aplicação da técnica de PCA nos dados brutos. Após aplicação de técnicas de aprendizado de máquina, os resultados mostraram que a acurácia se mantém a mesma, tendo pouca variação, mesmo executando as técnicas com 5 ou 30 componentes principais na técnica de PCA, resultando na diminuição da dimensionalidade da base de dados, sem perda das características dos dados.

TEXTO COMPLETO

Palavras-chave: Aprendizado computacionalMineração de dadosEletroencefalogramaAtividade cerebralAnalise de componentes principais (PCA)