مغز از حدود 100 میلیارد نورون تشکیل شده که هر نورون در واقع یک سیستم زیستی می باشد که جریان الکتریکی را در شرایط خاصی از خود عبور می دهد، فعالیت هر گروه از این نورون ها نشانگر دستور یا پردازشی خاص است. سیستم¬های رابط مغز با رایانه (bci) بر مبنای این سیگنال¬های مغزی عمل می¬کنند. اساس این سیستم¬ها بر پایه تغییر سیگنال¬¬های مغزی در هنگام انجام فعالیت¬های ذهنی است که به روش¬های متفاوتی از جمله الکتروانسفالوگرافی قابل ثبت است. یکی از کاربردهایی که اخیراً از این رابط مطرح شده است، انجام محاسبات با کمک انسان می باشد که استفاده از اطلاعاتی که مستقیماً از مغز گرفته شده را به منظور افزایش کارایی فرآیندهای یادگیری ماشین وکمک به کامپیوتر در انجام وظایفی که هنوز به تنهایی قادر به انجام آنها نیست، پیشنهاد می کند. به عنوان مثال الگوریتم های بینایی کامپیوتر، دارای سرعت پردازشی بالایی هستند، اما تصاویر را بر اساس یک سری مفاهیم سطح پایین و مشخص طبقه بندی می کنند، این درحالی است که انسان می تواند اهداف را در شرایط دشوار، تقریباً بی درنگ شناسایی کند. هدفی که در این پایان نامه دنبال می کنیم ترکیب نقاط قوت هر دو سیستم بینایی انسان و بینایی کامپیوتر در حوزه سامانه های جستجوی تصاویر می باشد، چراکه در عصر کنونی با افزایش حجم داده های تصویری، نیاز به سامانه های جستجوی تصاویر کارا به شدت احساس می شود. در این راستا سیستم er2 را که برای اولین بار در ایران مطرح شده است را پیشنهاد کردیم. این سیستم از یک سیستم تک آزمایش مبتنی بر eeg تشکیل شده. استراتژی استفاده شده در این سیستم، توانست با دقت 80.56، کلاس اهداف را شناسایی کند و به دقت طبقه بندی 90.28 دست یابد. همچنین در بازیابی تصاویر دقت قابل قبولی را از خود نشان داده است. به منظور ارزیابی ونشان دادن کارایی سیستم پیشنهادی نیز، آن را با کلاس های هدف مختلف از پایگاه داده caltech-101 مشتمل بر 2802 نمونه تصویر بررسی کردیم.