پیاده سازی مقاله فیلترهای مکانی مشترک رگوله شده(Regularized CSP)


یکی از معروفترین روشهای استخراج ویژگی در واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی، فیلترهای مکانی مشترک(CSP) هست. CSP علارغم کارایی خیلی خوبی که دارد، به نویز بسیار حساس هست و احتمال overfitting بالایی دارد. برای حل این مشکل الگوریتم regularized CSP مطرح شده است. در این دوره الگوریتم RCSP طبق یک مقاله تخصصی به صورت مرحله به مرحله پیاده سازی شده و عملکرد آن در یک پروژه عملی مورد ارزیابی قرار می‌گیرد.

واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی

هدف یک واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی، تشخیص نوع تصور حرکتی از روی سیگنال مغزی (EEG) تولید شده توسط فرد و تبدیل آن به یک دستور کنترلی است. فیلترهای مکانی مشترک یکی از معروفترین روشهای استخراج ویژگی در BCI مبتنی بر تسک تصور حرکتی هستند. که میزان  تفکیک پذیری گروه ها را بیشتر می‌کنند. مراحل واسط مغز و کامپیوتر مبتنی بر تصور حرکتی

ایراد الگوریتم CSP

  • ایراد اول: تنها یک باند فرکانسی (معمولا رنج فرکانسی بین 8-30Hz) انتخاب می شود.
این ایراد را الگوریتم FBCSP برطرف می‌کند که در دوره پردازش سیگنال مغزی مبتنی بر تسک تصور حرکتی پیاده سازی FBCSP را آموزش داده ایم.
  • ایراد دوم: در تابع هزینه CSP فقط بهینه سازی مکانی صورت می‌گیرد!
این ایراد توسط الگوریتم CSSP برطرف می شود که در یک دوره کوتاه مدت پیاده سازی CSSP را آموزش داده ایم.
  • ایراد سوم: الگوریتم CSP به نویز بسیار حساس هست، و یا اگر تعداد ترایالها کم باشد، احتمال overfitting بالایی دارد.
در این دوره مقاله محور، باهدف برطرف کردن ایراد سوم ، مقاله RCSP را پیاده سازی میکنیم.   در این دوره، در ابتدا تئوری و ریاضیات الگوریتم RCSP را طبق مقاله تخصصی، توضیح میدهیم، سپس به صورت مرحله به مرحله پیاده سازی میکنیم، و در نهایت در یک پروژه عملی (واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی) استفاده میکنیم تا عملکرد آن را با الگوریتم CSP مقایسه کنیم.  

فهرست مطالب

  • مروری بر CSP

  • مروری بر پروژه ی واسط مغز و کامپیوتر مبتنی بر تسک تصور حرکتی

  • بررسی ایراد الگوریتم CSP

  • پیاده سازی الگوریتم RCSP

    • رگوله کردن تابع هزینه CSP
    • رگوله کردن ماتریس های کواریانس با کمک ماتریس generic
    • رگوله کردن همزمان تابع هزینه و ماتریسهای کواریانس
  • انجام پروژه عملی روی پایگاه داده BCI-competition1


محتوای پکیج آموزشی
  • ویدیوهای آموزشی
  • کدهای پیاده سازی شده برای مقاله و پروژه
  • مقاله پیاده سازی شده
  • جزوه دست نویس مدرس

  • مدرس : محمد نوری زاده چرلو
  • مدت زمان دوره: 5 ساعت
  • پیش نیاز دوره: گذراندن دوره پردازش سیگنال eeg مبتنی بر تسک تصور حرکتی
 
.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.