• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Современные методы машинного обучения в задачах интерпретации электрической активности головного мозгаModern methods of machine learning in the interpretation of electrical activity of the brain

Соискатель:
Петросян Артур Тигранович
Члены комитета:
Деркач Денис Александрович (Национальный исследовательский университет «Высшая школа экономики», PhD, председатель комитета), Гуткин Борис Самуэль (Высшая нормальная школа, PhD, член комитета), Курмуков Анвар Илдарович (АНО "Институт Искусственного интеллекта", канд. наук, член комитета), Макаров Илья Андреевич (АНО "Институт Искусственного интеллекта", PhD, член комитета), Седов Алексей Сергеевич (Федеральное государственное бюджетное учреждение науки Федеральный исследовательский центр химической физики им. Н.Н. Семенова Российской академии наук, к.б.н., член комитета)
Диссертация принята к предварительному рассмотрению:
10/26/2022
Диссертация принята к защите:
11/18/2022
Дисс. совет:
Совет по компьютерным наукам
Дата защиты:
1/10/2023
Клинически значимые интерфейсы мозг-компьютер (ИМК) помогают реабилитировать пациентов с сенсорными, моторными и когнитивными нарушениями. Задача декодирования активности головного мозга -  одна из важных составляющих ИМК технологии. Диссертационное исследование разделено на три части. В первой части описывается компактная нейросетевая архитектура, учитывающая принятые в нейрофизиологии генеративные модели электрической активности мозга и физические принципы процесса регистрации. Также приведен метод ее интерпретации и валидирован при помощи симуляций. Во второй части разработанные методы были опробованы на моторной задаче. На реальных данных были продемонстрированы преимущества разработанного решения. В третьей части разработанные методы были адаптированы для задачи декодирования речи. Результаты сравнительного анализа качества декодирования слов и параметров артикуляционного тракта демонстрируют превосходство предлагаемой архитектуры нейронной сети по сравнению с аналогичными решениями.
Диссертация [*.pdf, 16.81 Мб] (дата размещения 10/26/2022)
Резюме [*.pdf, 1.42 Мб] (дата размещения 10/26/2022)
Summary [*.pdf, 1.38 Мб] (дата размещения 10/26/2022)

Публикации, в которых излагаются основные результаты диссертации



Отзывы
Отзыв научного руководителя
Сведения о результатах защиты:
Комитет по диссертации рекомендовал присудить ученую степень кандидата наук (протокол № 2 от 10.01.2023). Решением диссертационного совета (протокол № 1 от 20.01.2023) присуждена ученая степень кандидата компьютерных наук.
См. на ту же тему

Обобщение нейронных сетей на алгебру дуальных чиселКандидатская диссертация

Соискатель: Павлов Станислав Владимирович
Руководитель: Калягин Валерий Александрович

Обучение по данным как основа моделирования позы и внешности людей и виртуальных аватаровКандидатская диссертация

Соискатель: Бурков Егор Андреевич
Руководитель: Лемпицкий Виктор Сергеевич

Методы повышения обобщающей способности моделей в задачах 3D компьютерного зренияКандидатская диссертация

Соискатель: Рахимов Руслан Ильдарович
Руководитель: Бурнаев Евгений Владимирович