search query: @keyword sokea lähteen erottaminen / total: 1
reference: 1 / 1
« previous | next »
Author: | Särelä, Jaakko |
Title: | Independent component analysis of mgnetoencephalographic signals |
Magnetoenkefalografisten signaalien analysointi riippumattomien komponenttien menetelmällä | |
Publication type: | Master's thesis |
Publication year: | 1999 |
Pages: | 66 Language: eng |
Department/School: | Teknillisen fysiikan ja matematiikan osasto |
Main subject: | Informaatiotekniikka (Tik-61) |
Supervisor: | Oja, Erkki |
Instructor: | Vigario, Ricardo |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark TF80 | Archive |
Keywords: | independent component analysis blind source separation projection pursuit magnetoencephalography decomposition riippumattomien komponenttien menetelmä sokea lähteen erottaminen magnetoenkefalografia hajotelma |
Abstract (fin): | Riippumattomien komponenttien menetelmä (ICA) ratkaisee ongelman, jossa halutaan löytää tuntemattomat riippumattomat lähteet, niiden lineaarisista sekoitteista. Sitä voidaan käyttää mm. sokeaan lähteen erotteluun ja riippumattomien piirteiden löytämiseen. FastICA on eräs algoritmeista, joka ratkaisee tämän ongelman. Se on osoittautunut nopeudeltaan ylivoimaiseksi muihin yleispäteviin ICA-algoritmeihin verrattaessa ja kuitenkin suunnilleen yhtä tarkaksi. Magnetoenkefalografia (MEG) on kehittynyt mittausmenetelmä aivojen magneettisen aktiivisuuden mittaamiseen. Se on täysin ei-invasiivinen ja mittaa magneettivuon muutoksia kallon pinnalla, joita aiheuttavat synkronissa laukovien neuronien sähköinen aktiivisuus. MEG:llä on erittäin hyvä ajallinen resoluutio, jopa millisekunnin luokkaa, ja sen paikannusresoluutiokin on varsin hyvä, koska jopa useita satoja sensoreita voidaan yhdistää samaan mittalaitteeseen. Koska MEG-data on suuridimensioista ja hyvin monimutkaista, sen analysoimiseen tarvitaan kehittyneitä menetelmiä. Tämä diplomityö soveltaa FastICA:a MEG-dataan, osoittaen, että monet perinteiset tulokset voidaan toistaa ICA:lla ilman aprosimoivaa mallinnusta. Lisäksi työssä esitetään menetelmä häiriöiden, kuten silmien liikkeiden ja sydämen lyöntien, poistamiseen MEG-datasta. |
ED: | 1999-03-16 |
INSSI record number: 14090
+ add basket
« previous | next »
INSSI