Annonce

Les commentaires sont clos.

Réduction de dimension pour la classification de signaux EEG

2 Janvier 2022


Catégorie : Stagiaire


 

Réduction de dimension pour la classification de signaux EEG

Sujet : L’objectif de ce stage de M2 sera de développer des algorithmes conjoints de réduction de dimension/sélection de variables et d’étudier leur apport dans une chaine de traitements de classification de signaux EEG. L’originalité des algorithmes proposés reposera sur la combinaison de méthodes d’estimation robustes (pour la formulation du problème) et d’algorithmes d’optimisation sur variétés (pour sa résolution). L’intérêt principal sera de pouvoir proposer des méthodes pertinentes pour étudier/sélectionner des descripteurs issus de signaux EEG tout en assurant une certaine robustesse à de potentielles corruptions par des données aberrantes, désormais fréquentes dans les jeux de données modernes.

Mots clés : Machine Learning, classification, apprentissage statistique, réduction de dimension, analyse en composantes principales, parcimonie, estimation robuste, optimisation, données biomédicales, programmation (Python/Matlab).

Format : Stage de M2 (4 à 6 mois entre Février et Septembre 2020) au Laboratoires LEME et L2S (Région Parisienne).
LEME – Université Paris Nanterre, Campus de Ville d'Avray, 50, rue de Sèvres, 92410 Ville d’Avray.
L2S – CentraleSupélec, bât. Bréguet, 3, rue Joliot Curie, 91190 Gif-sur-Yvette.

Compétences attendues : Le candidat aura une formation en Master (M2) Recherche et/ou 3ème année de cursus ingénieur dans le domaine du traitement du signal et des images, mathématiques appliquées ou science des données. Il maitrisera les outils statistiques du traitement du signal et/ou d’optimisation numérique avancés. Le candidat saura utiliser et développer sous Matlab et/ou Python, en se formant si besoin.

Contact
Florent bouchard, florent.bouchard@centralesupelec.fr, https://sites.google.com/view/florentbouchard/home
Arnaud Breloy, abreloy@parisnanterre.fr, https://abreloy.github.io/
Nabil El Korso, m.elkorso@parisnanterre.fr, https://sites.google.com/site/nabkorso/

Références

[1] Rodrigues, P. L. C., Bouchard, F., Congedo, M., & Jutten, C. (2017, September). Dimensionality Reduction for BCI classification using Riemannian geometry. In 7th Graz Brain-Computer Interface Conference (BCI 2017).

[2] Breloy, A., Kumar, S., Sun, Y., & Palomar, D. P. (2021). Majorization-Minimization on the Stiefel Manifold With Application to Robust Sparse PCA. IEEE Transactions on Signal Processing, 69, 1507-1520.