In questo lavoro di tesi verranno esplorati alcuni dei modelli messi a disposizione da TorchEEG, una libreria scritta con il framework PyTorch che semplifica l’impiego dei segnali EEG nell’ambito dell’intelligenza artificiale. Verrà utilizzato come modello un Variational Autoencoder per poter generare dei nuovi segnali EEG sintetici e verranno poi valutati i risultati ottenuti per verificare che i modelli messi a disposizione siano validi in questo caso d’uso.

APPLICAZIONE DEI VARIATIONAL AUTOENCODER PER LA GENERAZIONE DI SEGNALI EEG SINTETICI

DAMBROSIO, ANDREA
2023/2024

Abstract

In questo lavoro di tesi verranno esplorati alcuni dei modelli messi a disposizione da TorchEEG, una libreria scritta con il framework PyTorch che semplifica l’impiego dei segnali EEG nell’ambito dell’intelligenza artificiale. Verrà utilizzato come modello un Variational Autoencoder per poter generare dei nuovi segnali EEG sintetici e verranno poi valutati i risultati ottenuti per verificare che i modelli messi a disposizione siano validi in questo caso d’uso.
2023
APPLICATION OF VARIATIONAL AUTOENCODERS FOR THE GENERATION OF SYNTHETIC EEG SIGNALS
Variational
Autoencoder
Elettroencefalogramm
Sintetici
File in questo prodotto:
File Dimensione Formato  
Tesi_Andrea_Dambrosio.pdf

File consultabile da postazioni biblioteca

Descrizione: Tesi Andrea Dambrosio definitiva
Dimensione 2.14 MB
Formato Adobe PDF
2.14 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/66951