Méthodes adaptatives en apprentissage machine - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Chapitre D'ouvrage Année : 2016

Méthodes adaptatives en apprentissage machine

Résumé

Les signaux utilisés dans le cadre des BCI non-invasives (EEG, MEG, ...) varient fortement au cours du temps chez un même sujet, à la fois entre les différentes sessions d'utilisation, mais également au sein d'une même session, en fonction de la fatigue ou de la motivation du sujet, ou de changements matériels, comme la position des capteurs et leur impédance. Les méthodes adaptatives visent à traiter le problème de la \textit{non-stationnarité} du signal, ou, plus précisément, de la variabilité de non-intérêt (voire parasitaire), par opposition à la variabilité d'intérêt relative notamment aux différents degrés de liberté de l'interface. Ces méthodes adaptatives consistent à modifier la fonction de réponse en cours d'utilisation, afin que les performances de l'interface soient maintenues (voire améliorées) au cours de leur utilisation.
Fichier non déposé

Dates et versions

hal-01408906 , version 1 (05-12-2016)

Identifiants

  • HAL Id : hal-01408906 , version 1

Citer

Maureen Clerc, Emmanuel Daucé, Jeremie Mattout. Méthodes adaptatives en apprentissage machine. Maureen Clerc; Laurent Bougrain; Fabien Lotte. Les interfaces cerveau-ordinateur 1, ISTE, 2016, 978-1-78405-147-1. ⟨hal-01408906⟩
235 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More