| Form of studies |
Bachelor |
| Title of the study programm |
Smart Computer Technologies |
| Title in original language |
Kognitīvās slodzes novērtēšana pēc EEG signāliem, izmantojot mašīnmācīšanās metodes |
| Title in English |
Assessment of Cognitive Workload from EEG Signals Using Machine Learning Methods |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Oļesja Grigorjeva |
| Reviewer |
Andrejs Bondarenko |
| Abstract |
Bakalaura darbs ir veltīts kognitīvās slodzes noteikšanai pēc EEG signāliem, izmantojot datu apstrādes un mašīnmācīšanās metodes. Darbā aplūkota kognitīvās slodzes nozīme cilvēka darba laikā, īpašu uzmanību pievēršot skolotāju profesionālajai darbībai, kurā vienlaikus tiek veikti vairāki uzdevumi un nepieciešama pastāvīga uzmanības kontrole.
Darbā tika apstrādāti skolotāju darba laikā iegūti EEG dati, aprēķinātas signālu pazīmes un veikta to atlase kognitīvās slodzes līmeņu noteikšanai. Izstrādātajā pieejā izmantots LSTM modelis, kas klasificē kognitīvo slodzi trīs klasēs: zema, vidēja un augsta slodze.
Rezultātā ir izstrādāta mašīnmācīšanās pieeja, kas ļauj noteikt kognitīvās slodzes līmeni pēc EEG signālu pazīmēm un identificēt periodus ar paaugstinātu slodzi. Iegūtie rezultāti parāda, ka šādu pieeju var izmantot skolotāju darba procesa analīzē, lai novērtētu slodzes izmaiņas un raksturotu situācijas, kurās palielinās kognitīvā noslodze.
Kopumā darbā ir 56 lappuses, 17 attēli, 4 tabulas, 3 pielikumi un 37 izmantotie informācijas avoti. |
| Keywords |
ELEKTROENCEFALOGRĀFIJA, MAŠĪNMĀCĪŠANĀS, KOGNITĪVĀ SLODZE |
| Keywords in English |
ELECTROENCEPHALOGRAPHY, MACHINE LEARNING, COGNITIVE LOAD |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 13:41:23 |
