LAMBDA: Использование глубинных сетей для анализа эмоций по ЭЭГ (командный проект)
Компания | TBA |
Учебный семестр | Осень 2017 |
Учебный курс | 3-й курс |
Максимальное количество студентов, выбравших проект: TBA | |
Содержание
|
Что это за проект?
Получение оптимального с некоторой точки зрения энкодера многоканальных ЭЭГ сигналов, сопоставление результатов сверточных сетей с результатми, получаемыми при помощи Optimal Wavelet Packet analysis, применение полученного словаря к задаче декодирования состояний в идеомоторном интерфейсе с испльзование технологии transfer learning
https://www.dropbox.com/s/ro3nd8wy9zx10o1/citizen_science.key?dl=0
https://www.dropbox.com/s/n6hzerj9yks2r7h/citizen_science.pdf?dl=0
Чему научатся студенты? Что самое интересное в проекте?
TBA
Организация работы (Как студенты будут работать в команде?)
TBA
Компоненеты (Из каких частей состоит проект?)
подготовка данных для дальнейшего анализа, приведение к единому формату
1. Разложение на вейвлеты базиса при помощи WPT анализа и построение автоэнкодера временной динамики (без учета пространственной структуры), сопоставление с оптимальным базисом, построенным с использованием энтропийного критерия и Wavelet Packet Tree (WPT) decomposition
2. Использование сверточных (вместо вэйвлетов) сетей как фронт-энда автоэнкодера и сопоставление частотных характеристик выученных сверток с частотными характеристиками базисных векторов энтропийного WPT базиса и выученной в (пункте 1) комбинации вэйвлет компонент оценка качества разложения
3. 1 и 2 с учетом пространственной структуры ЭЭГ
4. 3 , но на основе результатов решения обратной задачи , т.е. используя не активнось сенсоров, а активность источников на коре, оценненных при пмощи методоики решения ОЗ ЭЭГ.
5. Во всех пунктах возможны варианты используемых архитектур ГУ
Какие будут использоваться технологии?
TBA
Какие начальные требования?
TBA
Темы вводных занятий
TBA
Критерии оценки
TBA
Похожие проекты
TBA
Контактная информация
TBA