Sirvi Autor "Ingel, Anti" järgi

Nüüd näidatakse 1 - 3 3

Algorithms using information theory: classification in brain-computer interfaces and characterising reinforcement-learning agents
(2023-08-31) Ingel, Anti; Vicente, Raul, juhendaja; Theis, Dirk Oliver, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Informatsiooniteooria on matemaatika haru, mis on teoreetiliseks aluseks tänapäeva kommunikatsioonitehnoloogiatele. Samuti on informatsiooniteooria abil proovitud defineerida abstraktseid mõisteid nagu autonoomsus. Antud töös kasutataksegi äsja nimetatud informatsiooniteooria rakendusi masinõppes esile tulnud probleemide lahendamiseks. Kommunikatsioonivaldkonnast käsitleti aju-arvuti liideseid (AAL). AAL on otsene suhtluskanal kasutaja aju ja välise seadme vahel - seega võimaldab "mõttejõul" seadmeid juhtida. Väliseks seadmeks võib olla näiteks arvuti või elektriline ratastool. AAL kasutab käskude tuvastamiseks kasutaja ajust pärit signaale, mida saab mõõta pea peale paigutatud elektroodidega. Teist rakendust, nimelt informatsiooniteoorial põhinevat autonoomsuse mõõtmist kasutati antud töös stiimulõppe agentide käitumise iseloomustamiseks. Stiimulõpe on teatavat tüüpi masinõpe, milles agent õpib keskkonnast saadud tagasiside põhjal. Antud töös töötati välja algoritmid, mis põhinevad informatsiooniteooria tulemustel. AALide puhul kasutatakse informatsiooniteooria vahendeid informatsiooni edastamise kiiruse mõõtmiseks. Seda kasutatakse laialdaselt AALide efektiivsuse mõõdikuna. AALide puhul keskenduti antud töös küsimusele, kas on võimalik leida optimaalne klassifitseerija AALi jaoks ning mis eeldustel see oleks optimaalne. Töötati välja algoritmid optimaalse klassifitseerija leidmiseks. Stiimulõppe agentide puhul saab informatsiooniteooriat kasutada agentide autonoomsuse ja teiste käitumist iseloomustavate suuruste mõõtmiseks. Stiimulõppe puhul tugineti antud töös olemasolevatele informatsiooniteooriast pärit mõistetele, mille abil saab mõõta agentide autonoomsust ja keskkonna internaliseeritust. Lisaks kasutati osalist informatsiooni lahutamise meetodit. Antud töö panus stiimulõppe valdkonnas on algoritm nende informatsiooniteooria suuruste mõõtmiseks; see võimaldab masinõppega treenitud agentide käitumist iseloomustada.
Masinõpe visuaalselt esilekutsutud potentsiaalidel põhinevas ajuarvuti liideses
(2017) Ingel, Anti; Ilya Kuzovkin; Raul Vicente
Antud töös esitatakse visuaalse stiimuliga esilekutsutud potentsiaalidel põhineva ajuarvuti liidese (AAL) jaoks klassifitseerimisreegel, mis põhineb tunnuste ja lävendväärtuste omavahelisel võrdlusel. Klassifitseerimise jaoks optimaalsete lävendväärtuste leidmine formaliseeritakse maksimeerimisülesandena, kus maksimeeritakse AALi informatsiooniedastamise kiirus, mille arvutamiseks tuletatakse eraldi valem, et vältida standardse valemi poolt vajalikke eeldusi. Esitatud reegel näitab AALi klassifitseerimisülesandes häid tulemusi, saavutades informatsiooni edastamise kiiruseks kuni 60 bitti minutis. Samuti võimaldab pakutud reegel vältida vale-ennustusi, mis on oluline AALi kasutamiseks igapäevaelus. AALid omavad suurt potentsiaali medistsiini valdkonnas, kuna võimaldavad raske puudega või halvatud isikutel seadmeid kontrollida.
Visuaalse stiimuliga esilekutsutud potentsiaalidel põhinev roboti juhtimine Emotiv EPOC seadmega
(2015) Ingel, Anti; Kuzovkin, Ilya
Antud töö kirjeldab visuaalse stiimuliga esilekutsutud potentsiaalidel põhinevat aju ning arvuti vahelist liidest (AAL), mis loodi antud töö praktilise osana. AALi saab kasutada aju ja seadme vahelise otsese suhtluskanali loomiseks, mis tähendab, et seadmega suhtlemiseks pole vaja nuppe vajutada, piisab vaid visuaalsete stiimulite vaatamisest. Efektiivne AAL võimaldaks raske puudega isikutel näiteks elektroonilist ratastooli juhtida. Antud töö osana loodud AAL kasutab tuntud kanoonilise korrelatsiooni- ja võimsusspektri analüüsi meetodeid ning uuendusena kombineerib need kaks meetodit üheks teineteist täiendavaks meetodiks. Kahe meetodi kombinatsioon muudab AALi täpsemaks. AALi testiti antud töös vaid pealiskaudselt ning tulemused on järgnevad: ühe käsu edastamise aeg 2,61 s, täpsus 85,81% ning informatsiooni edastamise kiirus 27,73 bitt/min. Antud AAL on avatud lähtekoodiga, kirjutatud Python 2.7 programmeerimiskeeles, sisaldab graafilist kasutajaliidest ning kasutab aju tegevuse mõõtmiseks elektroensefalograafia (EEG) seadet Emotiv EPOC. AALi kasutamiseks on vaja ainult arvutit ja Emotiv EPOC seadet. Koodi muutes on võimalik kasutada ka teisi EEG seadmeid.