Uczenie maszynowe i sztuczne sieci neuronowe/Projekty

Z Brain-wiki

Projekt: Klasyfikacja danych p300

Poniżej zamieszczone dane zawierają zapisy EEG z trzykrotnej kalibracji interfejsu mózg-komputer opartej opotencjał P300 wykonanej zgodnie z opisem przedstawionym na Laboratorium EEG: Plik:Dane kalibracja p300.tar.gz

Zawartość archiwum to:

  • Trzy zestawy danych zawierające macierze X (przykłady x cechy), Y - opisująca kategorię przykładów (1- target, 0 - non-target).
    • p300_DS1.mat
    • p300_DS2.mat
    • p300_DS3.mat
  • Funkcja przygotowująca zestawy danych
    • csp.m
  • Surowe dane:
    • test1__calibration_p300.obci.raw
    • test1__calibration_p300.obci.tag
    • test1__calibration_p300.obci.xml
    • test2__calibration_p300.obci.raw
    • test2__calibration_p300.obci.tag
    • test2__calibration_p300.obci.xml
    • test3__calibration_p300.obci.raw
    • test3__calibration_p300.obci.tag
    • test3__calibration_p300.obci.xml

Sygnały zostały "zmontowane" za pomocą filtra przestrzennego CSP. Cechami wyliczonymi dla każdego przykładu są wariancje uśrednionych po 8 realizacjach sygnałów w odcinku 150 do 550 ms po bodźcu dla kadego ze źródeł estymowanych przez CSP. Zadaniem projektowym jest zaprojektowanie klasyfikatora, który wyuczony na danych ze zbioru p300_DS1.mat miałby możliwie najlepszą klasyfikację na dwóch pozostałych zbiorach i przedstawienie wyników porównawczych dla różnych klasyfikatorów z wykorzystaniem technik opisanych tu:Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wykład_Ocena_jakości_klasyfikacji.

Źródło: „http://brain.fuw.edu.pl/edu/index.php?title=Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Projekty&oldid=5326”