Bewegungsvorhersage auf EEG-Daten unter Verwendung von maschinellem Lernen

Damit ein Exoskelett die Armbewegungen seines Trägers auf möglichst natürliche Weise unterstützen kann, muss die Ausführung einer Bewegung bereits im Vorfeld bekannt sein. Die Erkennung des Beginns einer bewusst ausgeführten Bewegung ist anhand von Elektroenzephalografie (EEG) Daten möglich und kann durch die Detektion des LRP (lateralized readiness potential), welches den Aktivierungsprozess wiederspiegelt, der während der Bewegungsplanung im motorischen Kortex  stattfindet, erfolgen. Im Rahmen dieser Bachelorarbeit soll untersucht werden, wie tiefe neuronale Netze (DNNs) eingesetzt werden können, um eine solche Bewegungsdetektion zu realisieren. Um eine möglichst umfangreiche Menge von Trainingsdaten nutzen zu können, erfolgt eine Analyse, ob ein Transfer zwischen unterschiedlichen Versuchsbedingungen und somit die Kombination von Daten, die in verschiedenen Paradigmen aufgenommen wurden, möglich ist. Abschließend soll die Eignung der betrachteten Verfahren mithilfe von tiefen neuronalen Netzen im Vergleich zu einer Klassifizierung durch eine Support Vector Machine (SVM) geprüft werden.