Skip to Main content Skip to Navigation
Book sections

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.
Complete list of metadatas

https://hal.inria.fr/hal-01408906
Contributor : Maureen Clerc <>
Submitted on : Monday, December 5, 2016 - 2:56:15 PM
Last modification on : Thursday, January 23, 2020 - 6:22:13 PM

Identifiers

  • HAL Id : hal-01408906, version 1

Citation

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⟩

Share

Metrics

Record views

991