Материал из MachineLearning.

Нейрокомпьютерный интерфейс — система управления техническими устройствами (компьютером или экзо-скелетом) с помощью сигналов головного мозга. Основная часть интерфейса — прогностическая модель. Эта модель прогнозирует медленные сигналы, передаваемые на манипуляторы (частота изменения единицы Герц), по быстрым сигналам (частота изменения сотни Герц).

Содержание 1 Метод частных наименьших квадратов (метод проекций в скрытое пространство) 1.1 Разработки 1.2 Проекты 1.3 Статьи 2 Мультимодальные методы 2.1 Статьи 3 Выбор прогностической модели и снижение размерности пространства 3.1 Разработки 3.2 Проекты 3.3 Статьи 4 Прогнозирование по изменениям зоны возбуждения 4.1 Разработки 4.2 Проекты 4.3 Статьи

Метод частных наименьших квадратов (метод проекций в скрытое пространство)

Разработки

Проекты

Статьи

Мультимодальные методы

Статьи

Выбор прогностической модели и снижение размерности пространства

Разработки

Проекты

Статьи

Прогнозирование по изменениям зоны возбуждения

Разработки

Проекты

В рамках курса Численные методы обучения по прецедентам (практика, В.В. Стрижов) были поставленны две задачи:

• 17. Прогнозирование намерений. Исследование свойств локальных моделей при пространственном декодировании сигналов головного мозга. Задача: При построении систем нейрокомпьютерного интерфейса (brain-computer interface) используются простые, устойчивые модели. Важным этапом построения такой модели является построение адекватного признакового пространства. Ранее такая задача решалась с помощью выделения признаков из частотных характеристик сигналов. Данная задача ставилась 3 года, использовались данные NeuroTycho:
  • 2018. Наталия Болоболова, Алина Самохина, Шиянов Вадим: project. Применен стандартный PLS.
  • 2019. Маркин Валерий: project и project. Применен стандартный PLS, выполнено вейвлет-преобразование данных.
  • 2020. Филатов Андрей: project. Код такой же.

• 18. Прогнозирование намерений. Построение оптимальной модели декодирования сигналов при моделировании нейрокомпьютерного интерфейса. Задача: Нейрокомпьютерный интерфейс (BCI) позволяет помочь людям с ограниченными возможностями вернуть их мобильность. По имеющемуся описанию сигнала прибора необходимо смоделировать поведение субъекта. Данная задача ставилась 2 года:
  • 2018. Иван Наседкин, Галия Латыпова, Нестор Суходольский, Александр Шеменев Иван Бородулин: project. Использовались другие данные: Пальчики(описание), Пальчики(данные).
  • 2019. Кудрявцева: project. Применены PLS, QPFS.

Статьи

• A.Eliseyev, T.Aksenova, 2014: Stable and artefact-resistant decoding of 3D hand trajectories from ECoG signals using the generalized additive model.
• A.Motrenko, V.Strijov, 2018: Multi-way feature selection for ECoG-based Brain-Computer Interface