A parameter free model for motor imagery detection based on Riemannian geometry: preliminary results | ||
| dc.conicet.organizacion | Universidad Nacional de Entre Ríos. Facultad de Ingeniería | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.conicet.organizacion | Universidad Nacional de Entre Ríos. Facultad de Ingeniería | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional | |
| dc.conicet.organizacion | Universidad Nacional del Litoral. Facultad de Ingeniería Química. Departamento de Matemáticas | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral | |
| dc.conicet.rol | Autor | |
| dc.conicet.rol | Autor | |
| dc.conicet.rol | Autor | |
| dc.conicet.rol | Autor | |
| dc.contributor.author | Hernández, Hugo Sacha Uriel | |
| dc.contributor.author | Galván, Catalina María | |
| dc.contributor.author | Peterson, Victoria | |
| dc.contributor.author | Spies, Ruben Daniel | |
| dc.coverage | Nacional | |
| dc.date.evento | 2019-05-07 | |
| dc.date.eventoHasta | 2019-05-08 | |
| dc.date.issued | 2019 | es |
| dc.description.abstract | Brain-computer interfaces (BCIs) provide a non-muscular channel to control external devices using only brain activity. Motor Imagery BCI (MI-BCI) systems are based on decoding the imagination of certain movements. Although the Common Spatial Patterns (CSP) algorithm, as well as its regularized versions, can be successfully applied for MIdetection, it has some limitations in adapting to data changes. In this context, Riemannian geometry seems to be a promising approach to construct a simple, robust and parameter-free decoding model. In this work we implement and evaluate an MI decoding algorithm based on Riemannian Geometry. In particular, the Riemannian distance and its mean are used for constructing a "minimum distance to mean" (MDM) classifier. MDM is compared with the traditional CSP method, showing very similar classification results in both cross-validation and online simulation scenarios. These results indicate that Riemannian framework seems to be a very promising tool for robust MI detection. | es |
| dc.description.ciudadEvento | Rio Cuarto | es |
| dc.description.fil | Fil: Hernández, Hugo Sacha Uriel. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina | |
| dc.description.fil | Fil: Galván, Catalina María. Universidad Nacional de Entre Ríos. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina | |
| dc.description.fil | Fil: Peterson, Victoria. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina | |
| dc.description.fil | Fil: Spies, Ruben Daniel. Universidad Nacional del Litoral. Facultad de Ingeniería Química. Departamento de Matemáticas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Matemática Aplicada del Litoral. Universidad Nacional del Litoral. Instituto de Matemática Aplicada del Litoral; Argentina | |
| dc.description.institucionOrganizadora | Universidad Nacional de Rio Cuarto. Facultad de Ciencias Exactas, Físico-Química y Naturales | es |
| dc.description.institucionOrganizadora | Asociación Argentina de Matemática Aplicada, Computacional e Industrial | es |
| dc.description.nombreEvento | VII Congreso de Matemática Aplicada, Computacional e Industrial | es |
| dc.description.paisEvento | Argentina | es |
| dc.format | application/pdf | es |
| dc.identifier.citation | A parameter free model for motor imagery detection based on Riemannian geometry: preliminary results; VII Congreso de Matemática Aplicada, Computacional e Industrial; Rio Cuarto; Argentina; 2019; 65-68 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 2314-3282 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/174521 | |
| dc.journal.ciudad | Río Cuarto | es |
| dc.journal.pagination | 65-68 | es |
| dc.journal.pais | Argentina | es |
| dc.journal.volume | 7 | es |
| dc.language.iso | eng | es |
| dc.publisher | Asociación Argentina de Matemática Aplicada, Computacional e Industrial | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://asamaci.org.ar/wp-content/uploads/2021/06/MACI-Vol-7-2019.pdf | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.source.revista | Matemática Aplicada, Computacional e Industrial | es |
| dc.subject | BRAIN COMPUTER INTERFACE | es |
| dc.subject | MOTOR IMAGERY | es |
| dc.subject | ELECTROENCEPHALOGRAPHY | es |
| dc.subject | COMMON SPATIAL PATTERNS | es |
| dc.subject | RIEMANNIAN GEOMETRY | es |
| dc.subject.classification | Matemática Aplicada | es |
| dc.subject.classification | Matemáticas | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | A parameter free model for motor imagery detection based on Riemannian geometry: preliminary results | es |
| dc.type | info:eu-repo/semantics/publishedVersion | |
| dc.type | info:eu-repo/semantics/conferenceObject | |
| dc.type | info:ar-repo/semantics/documento de conferencia | |
| dc.type.publicacion | Journal | es |
| dc.type.subtype | Congreso | es |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.855b63e8-b38a-4663-b485-7bb52fc67c6d_A.pdf
- Tamaño:
- 24.52 MB
- Formato:
- Adobe Portable Document Format