Combinando alinhamento euclidiano e riemanniano para transferência de aprendizagem em interfaces cérebro-máquina

• Processo: 23/06407-7
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 31 de dezembro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Raphael Yokoingawa de Camargo
• Beneficiário: Bruna Junqueira de Almeida Ferreira Lopes
• Supervisor: Sylvain Chevallier
• Instituição Sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Instituição Anfitriã: Laboratoire Interdisciplinaire des Sciences du Numérique, Gif-sur-Yvette (LISN), França
• Vinculado à bolsa: 22/08920-0 - Máquinas de comitê baseadas em aprendizado profundo para transferência de aprendizado em interfaces cérebro-máquina, BP.IC
• Assunto(s): Aprendizado computacional Redes neurais (computação) Eletroencefalografia Interfaces cérebro-computador
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Eletroencefalografia | Interface Cérebro-Máquina | Redes neurais | Transferencia de Aprendizado | Aprendizado de Máquina

Resumo

As técnicas de Alinhamento Riemanniano (RA) são consideradas métodos estado-da-arte para transferência de aprendizado entre sujeitos no paradigma de interface cérebro-máquina (BCI) de imagética motora. Na atual bolsa de iniciação científica, mostramos que as técnicas de Alinhamento Euclidiano (EA) possibilitam uma transferência de aprendizado eficiente entre sujeitos usando modelos de Aprendizado Profundo. Neste projeto de estágio no exterior: (i) compararemos o desempenho da transferência de aprendizado usando técnicas de EA e RA e (ii) avaliaremos maneiras de combinar essas técnicas de alinhamento para melhorar o transferência de aprendizado usando modelos de Aprendizado Profundo. (AU)