Automatic motor task selection via a bandit algorithm for a brain-controlled button - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport (Rapport De Recherche) Année : 2011

Automatic motor task selection via a bandit algorithm for a brain-controlled button

Alexandra Carpentier
  • Fonction : Auteur
  • PersonId : 910455
Rémi Munos
  • Fonction : Auteur
  • PersonId : 836863

Résumé

This study presents a new procedure to automatically select a discriminant motor task for an asynchronous brain-controlled button. This type of control pertains to Brain Computer Interfaces (BCI). When using sensorimotor rythms in a BCI, several motor tasks, such as moving the right or left hand, the feet or the tongue, can be considered as candidates for the control. This report presents a method to select as fast as possible the most promising task. We develop for this purpose an adaptive algorithm UCB-classif based on the stochastic bandit theory and build an EEG experiment to test our method. By not wasting time on ineffi cient tasks, our algorithm can focus on the most promising ones, resulting in a faster task selection and a more e cient use of the BCI training session. This leads to better classi cation rates for a xed time budget, compared to a standard task selection.
Cette étude présente une nouvelle procédure pour sélectionner automatiquement une tâche motrice discriminante pour contrôler un bouton par la pensée. Ce type de contrôle relève du domaine des interfaces cerveau-ordinateur, ou Brain Computer Interface (BCI). Dans les BCI basées sur les rythmes sensorimoteurs cérébraux, différentes tâches motrices peuvent être considérées, comme le mouvement de la main droite ou gauche, des pieds ou de la langue. Ce rapport présente une méthode a n de sélectionner le plus rapidement possible la tâche la plus prometteuse. Nous avons développé à cet effet un algorithme adaptatif UCB-classif basé sur la théorie bandit stochastique, et créé une nouvelle expérience EEG pour tester notre méthode. Cet algorithme évite de perdre du temps sur des tâches ine fficaces, ce qui permet une sélection plus rapide et une utilisation plus e fficace de la session d'apprentissage. Cela conduit à de meilleurs taux de classi fication pour un budget de temps fixé, par rapport à une sélection de tâche standard.
Fichier principal
Vignette du fichier
RR-7721.pdf (860.35 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

inria-00624686 , version 1 (20-09-2011)

Identifiants

  • HAL Id : inria-00624686 , version 1

Citer

Joan Fruitet, Alexandra Carpentier, Rémi Munos, Maureen Clerc. Automatic motor task selection via a bandit algorithm for a brain-controlled button. [Rapport de recherche] RR-7721, INRIA. 2011. ⟨inria-00624686⟩
430 Consultations
236 Téléchargements

Partager

Gmail Facebook X LinkedIn More