Een brein-computer-interface (BCI) laat een gebruiker toe een computer rechtstreeks te besturen door middel van zijn gedachten. In 1988 werd de Event-Related Potential (ERP) gebaseerde BCI uitgevonden. Dit specifieke type BCI werd ontwikkeld om verlamde patiënten een nieuw communicatiekanaal te geven. Een grote hinderpaal voor BCIs is de nood aan een kalibratiesessie. Gedurende een kalibratiesessie wordt de gebruiker gevraagd bepaalde acties uit te voeren. Achteraf worden de opgenomen hersensignalen gemarkeerd met deze acties. Dit laat toe om met behulp van een machinaal leren algoritme een herkenner te trainen voor de hersensignalen van de specifieke gebruiker. Deze kalibratieprocedure is echter zeer tijdrovend en storend voor de eindgebruiker. Daarom is reeds veel onderzoek gedaan naar het inkorten van de kalibratieprocedure. Dit proefschrift gaat nog een stap verder en beschrijft de ontwikkeling van de eerste volledig zelflerende algoritmes voor de ERP gebaseerde BCI. In tegenstelling tot de standaardaanpak is een aparte kalibratieprocedure niet vereist. De computer leert automatisch hoe de hersensignalen gedecodeerd moeten worden terwijl de gebruiker het BCI systeem benut. Dit is mogelijk dankzij de ontwikkeling van een nieuw raamwerk voor geavanceerde machinaal leren gebaseerde algoritmes. De ontwikkelde algoritmes werden uitgebreid getest in een online BCI opstelling en de eigenschappen ervan werden theoretisch geanalyseerd.