Logo des Repositoriums

Auflistung nach Schlagwort "EEG"

1 - 10 von 10
  • Textdokument
    360° User Experience
    (Tagungsband UP11, 2011) Kiefer, Juergen; Lehne, Carina; Schiessl, Michael
    Es sollte ein Studienansatz gefunden werden, der es ermöglicht, die User Experience bei der Nutzung von touch-based Mobile Devices ganzheitlich zu erfassen und zu verstehen. Es wurde ein Methoden-Portfolio entwickelt, mit dem die vier Teilaspekte des Nutzererlebens, Utility, Usability, Joy of Use und Aesthetics, auf der bewussten und der unbewussten Ebene untersucht werden können. Neben klassischen Befragungs- und etablierten impliziten Methoden wie Eye Tracking und Verhaltensbeobachtung kamen dabei auch EEGund Hautleitwertmessung zum Einsatz. Dieser Beitrag stellt die Ergebnisse aus 14 User Experience Studien mit Smartphones und einer Studie zu TabletPC Apps vor. Diese zeigen deutlich den Mehrwert der gewählten Methodenkombination und geben klare Hinweise, wie das Interface-Design von touch-based Mobile Devices optimiert werden kann.
  • Konferenzbeitrag
    Automatisierte Steuerung von virtuellen Biogas-Kraftwerksverbünden für den netzorientierten Betrieb
    (39. GIL-Jahrestagung, Digitalisierung für landwirtschaftliche Betriebe in kleinstrukturierten Regionen - ein Widerspruch in sich?, 2019) Eicke, Chris; Schirmer, Daniel; Iezzi, Marco; Daum, Andreas; Krause, Manfred
    Das Steuerungssystem VKV Netz ermöglicht den auf die Erbringung regionaler Systemdienstleistungen ausgerichteten Betrieb virtueller Biogas-Kraftwerksverbünde. Damit leistet es sowohl einen Beitrag zum zukünftig gesteigerten Bedarf an Regelenergie durch regenerative Kraftwerke als es auch alternative, zukunftsfähige Erlöspotenziale für die zumeist landwirtschaftlichen bzw. landwirtschaftsnahen Biogas-Anlagenbetreiber abseits des EEG aufzeigt. Das Steuerungssystem wurde im Rahmen des BMWi-Verbundforschungsvorhabens VKV Netz (Förderkennzeichen 0325943A) durch die Hochschule Hannover, die SLT-Technologies GmbH & Co. KG sowie die Überlandwerk Leinetal GmbH in Kooperation mit assoziierten Biogasanlagen im Zeitraum 01.01.2016 bis 31.12.2018 entwickelt und pilotiert.
  • Konferenzbeitrag
    Classification of Music Preferences Using EEG Data in Machine Learning Models
    (Mensch und Computer 2024 - Workshopband, 2024) Vedder, Helen; Stano, Fabio; Knierim, Michael
    In this paper, we investigate how EEG data can be used to predict individual music preferences. Our study relies on machine learning and specially developed models such as EEGNet to analyze participants' brain activity while listening to music. Participants listened to music excerpts, rated them, and their EEG data were recorded. We extracted relevant features from the EEG data and used convolutional neural networks (CNNs) to classify music preferences. Our results show that our models are able to predict music preferences with an accuracy of up to 69%. This confirms the potential of EEG in personalized music recommendation and demonstrates the feasibility of integrating EEG into wearable devices to improve the user experience.
  • Konferenzbeitrag
    EEG-based biometrics: phase-locking value from gamma band performs well across heterogeneous datasets
    (BIOSIG 2022, 2022) Pradeep Kumar G, Utsav Dutta
    The performance of functional connectivity metrics is investigated for electroencephalogram (EEG)-based biometrics using a support vector machine classifier. Experiments are conducted on a heterogeneous EEG dataset of 184 subjects formed by pooling three distinct datasets recorded with different systems and protocols. The identification accuracy is found to be higher for higher frequency EEG bands, indicating the enhanced uniqueness of the neural signatures in beta and gamma bands. Using all the 56 EEG channels common to the three databases, the best identification accuracy of 97.4% is obtained using phase locking value-based measures extracted from the gamma frequency band. When the number of channels is reduced to 21 from 56, there is a marginal reduction of 2.4% only in the identification accuracy. Additional experiments are conducted to study the effect of the cognitive state of the subject and mismatched train/test conditions on the system performance.
  • Konferenzbeitrag
    Multimodal Detection of External and Internal Attention in Virtual Reality using EEG and Eye Tracking Features
    (Proceedings of Mensch und Computer 2024, 2024) Long, Xingyu; Mayer, Sven; Chiossi, Francesco
    Future VR environments will sense users’ context, enabling a wide range of intelligent interactions, thus enabling diverse applications and improving usability through attention-aware VR systems. However, attention-aware VR systems based on EEG data suffer from long training periods, hindering generalizability and widespread adoption. At the same time, there remains a gap in research regarding which physiological features (EEG and eye tracking) are most effective for decoding attention direction in the VR paradigm. We addressed this issue by evaluating several classification models using EEG and eye tracking data. We recorded that training data simultaneously during tasks that required internal attention in an N-Back task or external attention allocation in Visual Monitoring. We used linear and deep learning models to compare classification performance under several uni- and multimodal feature sets alongside different window sizes. Our results indicate that multimodal features improve prediction for classical and modern classification models. We discuss approaches to assess the importance of physiological features and achieve automatic, robust, and individualized feature selection.
  • Textdokument
    Online Shopping mit Emotionen. Eine Usability Studie über Online-Shops mit EEG Messung
    (Tagungsband UP13, 2013) Duda, Sabrina
    In dieser Forschungsstudie wurden zwei Online Shops unterschiedlicher Branchen – Mode und Technik – untersucht. Insgesamt 16 Nutzer surften auf jeweils einer Website. Frauen und Männer wurden gleichmäßig auf beide Shops verteilt. Die Nutzer suchten ein Produkt ihrer Wahl aus und kauften es. Während des Online Shoppings wurden die Gehirnströme gemessen. So konnte die echte Shopping Erfahrung erhoben werden. In einem anschließenden Interview berichteten die Probanden über ihre Erfahrungen und beschrieben ihren Eindruck der Website. Mit einem qualitativen Verfahren wurde exploriert, wie die Websites auf emotionaler Ebene empfunden wurden. Das Video vom Shopping, mit Aufzeichnung der Website, einem Bild des Probanden und EEG Messung, wurde gemeinsam mit dem Probanden angeschaut und von diesem kommentiert. Auf diese Weise konnten Hintergrundinformationen über das Shopping gewonnen werden, ohne das Einkaufen selbst zu beeinträchtigen. Es kamen Beobachtung, Interview, Rating und EEG Messung zum Einsatz.
  • Konferenzbeitrag
    Person Authentication Using Brain Waves Evoked by Individual-related and Imperceptible Visual Stimuli
    (BIOSIG 2022, 2022) Md Atikur Rahman and Isao Nakanishi
    Person authentication using biometric information has become increasingly popular owing to the fact that continuous authentication is required in most user management systems. This study introduces an individual-related stimulus, instead of common stimuli, to improve the verification performance based on biometric authentication using brain waves evoked by imperceptible visual stimulation. Imperceptible visual stimulation is considered over visual stimulation to overcome obstacles that a user may face when using a system. Compared with previous studies that used circular figures as common stimuli, herein, we ensured a higher evoked response by using individual face image stimulation. Imperceptible stimuli were confirmed by changing the image intensity and presenting a high-speed stimulation. Individual imperceptible face image stimulation confirmed that the following event-related potential (ERP) components: N 170, N 250, and N 400 were obtained. Furthermore, by using various time zones, including the ERP components as features, we verified the performance of eight subjects and achieved an equal error rate (EER) of 6.2%.
  • Textdokument
    Resting-state EEG: A Study on its non-Stationarity for Biometric Applicaions
    (BIOSIG 2017, 2017) Hine, Gabriel Emile; Maiorana, Emanuele; Campisi,Patrizio
    In the last years, several papers on EEG-based biometric recognition systems have been published. Specifically, most of the proposed contributions focus on brain signals recorded in resting state conditions, with either closed or open eyes. A common assumption is that the acquired signals are quasi-stationarity. In this paper, we investigate such property in terms of discriminative capability, and we analyze whether or not it holds throughout the entire duration of data collected over long periods. An extensive set of experimental tests, conducted over a database comprising signals collected from 50 subjects in three distinct acquisition sessions, shows that the most distinctive information of the brain signals is temporally located at the beginning of each recording.
  • Konferenzbeitrag
    Ein Steuerungssystem für den netzorientierten Betrieb virtueller Biogas-Verbundkraftwerke
    (Informatik in der Land-, Forst- und Ernährungswirtschaft 2017, 2017) Eicke, Chris; Schirmer, Daniel; Iezzi, Marco; Daum, Andreas; Krause, Manfred
    Der zunehmende Anteil erneuerbarer Energien an der Stromproduktion Deutschlands erfordert einen ebenso steigenden Anteil der erneuerbaren Energien an der Bereitstellung von Regelenergie zur Stabilisierung der Stromnetze. Durch die Möglichkeit der zeitlichen Entkopplung von Gasund Stromproduktion ist insbesondere die Biogastechnologie für die Bereitstellung von Regelenergie geeignet. Der vorliegende Beitrag skizziert ein Steuerungssystem für virtuelle Biogas-Verbundkraftwerke, dessen Oberziel die Stabilisierung des Stromnetzes ist. Die Entwicklung des Systems erfolgt im Zuge des Forschungsprojekts VKV Netz und wird durch das Bundesministerium für Wirtschaft und Energie gefördert.
  • Konferenzbeitrag
    TouchEEG: Eine MultitouchAnwendung für die EEG-Auswertung
    (Mensch und Computer 2016 - Tagungsband, 2016) Steinfurth, Maximilian; Wundrich, Ingo; Kindsmüller, Martin Christof
    Bei Neurostimulationssitzungen entstehen EEG-Aufnahmen, die nicht selten eine Aufzeichnungsdauer von mehr als einer Stunde erreichen können. Die nachträgliche Auswertung solch großer Datenmengen mit herkömmlicher EEG-Software gestaltet sich meist aufwendig. Insbesondere die Navigation durch die Signaldarstellung mit Maus und Tastatur scheint langsam und ineffektiv. In diesem Beitrag wird eine Applikation vorgestellt, die es Anwendern ermöglicht, mittels Gesten, die aus der Bedienung von Smartphones und Tablets bekannt sind, an einem Multitouch-Arbeitsplatz durch das EEG-Signal zu navigieren. Dazu werden verschiedene implementierte Gesten und Funktionen beschrieben und Ergebnisse einer Prototypenevaluation mit professionellen Anwendern vorgestellt.