Gäller från och med: Spring 2021
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2022-06-14
Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Swedish
Demonstrate understanding in signal processing and applications for different types of brain computer interfaces, with focus towards EEG.
Kunskap och förståelse
För godkänd kurs skall doktoranden Demonstrate understanding of the most commonly used BCI paradigms and how basic types of signal processing and machine learning can be applied to those paradigms, here with a focus towards EEG-based BCI systems.
Färdighet och förmåga
För godkänd kurs skall doktoranden Master tools from existing Python packages such as MNE python, pyriemann, sklearn, and timeflux, to process, analyze, and/or visualize EEG-data using techniques covered in the course.
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden Demonstrate understanding of the limitations of different types of BCI paradigms and commonly used methods for signal processing of such paradigms, and be able to organize and select material for discussion seminars.
Different techniques for recording of brain activity (EEG, fMRI, invasive, non-invasive), event-related potentials (ERP), motor imagery/sensorimotor rhythms (MI/SMR), Steady-State Evoked Potentials (SSxEP), feature extraction, linear discriminant analysis (LDA), common spatial patterns (CSP), Riemannian geometry (RG), bayesian learning (BL), transfer learning (TF), BCI calibration.
Nam, C., Nijholt, A. & Lotte, F.: Brain–Computer Interfaces Handbook, Technological and Theoretical Advances.. 2018. ISBN 9781498773430.
Undervisningsformer: Projekt, litteraturkurs som självstudier
Examinationsform: Seminarieföredrag av deltagarna.
Four seminars that span different parts of the course. Completion of a small project.
Betygsskala: Underkänd, godkänd
Examinator:
Kursansvariga: