EEG-based Human Recognition Using Steady-State AEPs and Subject-Unique Spatial Filters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, brainwaves (EEG) have gained increasing attention in the field of biometric authentication because they feature vital advantages being more secure and impossible to replicate. In this paper, a new approach for the EEG-based biometric recognition system is proposed using steady-state Auditory Evoked Potentials (AEPs). This class of modular brainwaves adds extra features to the system like cancelability and two-step authentication. To investigate the biometric potential of AEPs, brainwaves from 40 subjects were recorded while being stimulated by multiple auditory tones modulated at two frequency bands; 40 Hz (m-40) and 80 Hz (m-80). Each subject participated in two sessions on two different days for time-permanence evaluation. Brain-Computer Interface (BCI) techniques were adopted here for the rapid estimation of the AEPs using canonical correlation analysis. The energy distribution of the AEPs in different frequency bands represented the subject-unique features. For intra-session setup, correct recognition rates up to 96.46% and equal error rates as low as 0% were achieved using the m-80 stimulation over all the 40 subjects. Moreover, results across different sessions showed high recognition rates (94.5 - 96.5%) and low error rates (2 - 4%) over the same number of subjects. These results show that AEPs carry subject discriminating features allowing the possibility of employing AEPs as a biometric trait.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle