{"title":"脑机接口属性选择的量子启发进化算法和混沌序列","authors":"Alimed Celecia, Marley M. B. R. Vellasco","doi":"10.5753/eniac.2021.18269","DOIUrl":null,"url":null,"abstract":"Este trabalho descreve a exploração dos efeitos de adicionar ergodicidade a um Algoritmo Evolucionário com inspiração Quântica (QiEA) utilizando sequências caóticas em dois operadores: crossover uniforme caótico e porta quântica de atualização caótica. O algoritmo é aplicado na seleção de atributos de uma aplicação de interface cérebro-computador (BCI) que emprega o eletroencefalograma (EEG) da imaginação do movimento das mãos direita ou esquerda. Os resultados são comparados com os de um QiEA e Algoritmo Genético (GA) tradicionais, demonstrando que o QiEA caótico pode aperfeiçoar significativamente o tempo de convergência do modelo com só uma pequena perda na acurácia final do modelo.","PeriodicalId":318676,"journal":{"name":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","volume":"10 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Algoritmo Evolucionário com Inspiração Quântica e Sequências Caóticas para Seleção de Atributos em Interfaces Cérebro-Computador\",\"authors\":\"Alimed Celecia, Marley M. B. R. Vellasco\",\"doi\":\"10.5753/eniac.2021.18269\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este trabalho descreve a exploração dos efeitos de adicionar ergodicidade a um Algoritmo Evolucionário com inspiração Quântica (QiEA) utilizando sequências caóticas em dois operadores: crossover uniforme caótico e porta quântica de atualização caótica. O algoritmo é aplicado na seleção de atributos de uma aplicação de interface cérebro-computador (BCI) que emprega o eletroencefalograma (EEG) da imaginação do movimento das mãos direita ou esquerda. Os resultados são comparados com os de um QiEA e Algoritmo Genético (GA) tradicionais, demonstrando que o QiEA caótico pode aperfeiçoar significativamente o tempo de convergência do modelo com só uma pequena perda na acurácia final do modelo.\",\"PeriodicalId\":318676,\"journal\":{\"name\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"volume\":\"10 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-11-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/eniac.2021.18269\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2021.18269","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Algoritmo Evolucionário com Inspiração Quântica e Sequências Caóticas para Seleção de Atributos em Interfaces Cérebro-Computador
Este trabalho descreve a exploração dos efeitos de adicionar ergodicidade a um Algoritmo Evolucionário com inspiração Quântica (QiEA) utilizando sequências caóticas em dois operadores: crossover uniforme caótico e porta quântica de atualização caótica. O algoritmo é aplicado na seleção de atributos de uma aplicação de interface cérebro-computador (BCI) que emprega o eletroencefalograma (EEG) da imaginação do movimento das mãos direita ou esquerda. Os resultados são comparados com os de um QiEA e Algoritmo Genético (GA) tradicionais, demonstrando que o QiEA caótico pode aperfeiçoar significativamente o tempo de convergência do modelo com só uma pequena perda na acurácia final do modelo.