چکيده
رابط مغز و رايانه (BCI) يك منطقه تحقيقاتي در حال ظهور است كه داراي دامنه وسيعي در كاربردهاي پزشكي و همچنين غير¬پزشكي مي¬باشد. BCI يك كانال ارتباطي براي كنترل مستقيم دستگاه¬ها يا برنامه¬هاي كاربردي خارجي با سيگنال¬هاي مغزي است و كاربران را قادر مي¬سازد تا با استفاده از مكانيزم¬هاي سيگنال عصبي، با محيط مستقل از اعصاب و عضلات ارتباط برقرار كنند. BCI بسياري از برنامه¬هاي كاربردي جديدي را كه براي زندگي روزمره مردم عادي مهم است، به ويژه براي افرادي كه از نظر رواني و جسمي دچار معلوليت هستند، زيربناي خود قرار مي¬دهد.
در يك سيستمBCI سيگنال¬هاي مغزي از انسان جمع¬آوري مي¬شوند و به اجزاي پيش¬پردازش، براي خنثي سازي نويز و تقويت، ارسال مي¬شوند. سپس ويژگي¬هاي متمايز از سيگنال¬هاي پردازش استخراج شده و به بخش طبقه¬بندي ارسال مي-شوند كه وظيفه¬ي تشخيص سيگنال¬ها و تبديل آن¬ها به دستورات دستگاه خارجي را دارند.
يادگيري عميق كه يكي از زير شاخه¬هاي يادگيري ماشين است، وظيفه طبقه¬بندي سطح بالا را در حوزه BCI دارد. با توجه به الگوريتم¬هاي يادگيري ماشين سنتي، يادگيري عميق مي¬تواند ويژگي¬هاي متمايز سطح بالا را از سيگنال¬هاي مغزي خام، بدون انتخواب ويژگي دستي، ياد بگيرد. شبكه¬هاي عميق قادر به شناسايي ساختارها يا ويژگي¬هاي نهفته از داده¬هاي خام هستند و اين موضوع كمك مي¬كند تا وابستگي به قسمت استخراج ويژگي سيستم BCI بسيار كاهش يابد.
اين گزارش با هدف ارائه جامعي از پيشرفت¬هاي مبتني بر تكنيك¬هاي يادگيري عميق بر واسط¬ مغز و رايانه و سيگنال¬هاي مغزي انجام شده است. بر خلاف مطالعات ديگر در حوزه BCI كه فقط بر روي يك سيگنال بخصوص متمركز هستند، در اين گزارش به طور جامع در مورد انواع سيگنال¬هاي مهم مغزي بحث مي¬شود. سپس تكنيك¬هاي يادگيري عميق و بهينه¬سازي مؤلفه¬هاي طبقه¬بندي با استفاده از اين تكنيك¬ها در سيستم BCI، شرح داده مي¬شود. همچنين در انتها كاربر¬ها، چالش¬ها و موضوعات اميدوار كننده براي تحقيقات آينده در حوزه واسط¬هاي مغز رايانه برجسته شده است.
