Advancing Pattern Recognition Techniques for Brain-Computer Interfaces: Optimizing Discriminability, Compactness, and Robustness
In dieser Dissertation formulieren wir drei zentrale Zielkriterien zur systematischen Weiterentwicklung der Mustererkennung moderner Brain-Computer Interfaces (BCIs). Darauf aufbauend wird ein Rahmenwerk zur Mustererkennung von BCIs entwickelt, das die drei Zielkriterien durch einen neuen Optimierungsalgorithmus vereint. Darüber hinaus zeigen wir die erfolgreiche Umsetzung unseres Ansatzes für zwei innovative BCI Paradigmen, für die es bisher keine etablierte Mustererkennungsmethodik gibt.
Volltext
KITopen-Lizenz"
data-placement="top" data-original-title="Lizenzinformation"
style="z-index:10;float:right;padding-right:5px;cursor:help">
§
DOI: 10.5445/IR/1000054601
| Zugehörige Institution(en) am KIT | Institut für Anthropomatik und Robotik (IAR) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2015 |
| Sprache | Englisch |
| Identifikator | urn:nbn:de:swb:90-546016 KITopen-ID: 1000054601 |
| Verlag | Karlsruher Institut für Technologie (KIT) |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Informatik (INFORMATIK) |
| Institut | Institut für Anthropomatik und Robotik (IAR) |
| Prüfungsdaten | 16.07.2015 |
| Referent/Betreuer | Schultz, T. |