Universitat Pompeu Fabra
García Ojalvo, Jordi
Soria-Frisch, Aureli
2018-09-13
90 p.
Universitat Pompeu Fabra. Departament de Ciències Experimentals i de la Salut
In the last decade recurrent neural networks have revolutionized the field of artificial intelligence. Their cyclic connections provide them with memory and thus with the capability of modeling processes with temporal context. Echo-state networks are a framework for recurrent neural networks that enormously simplifies their design and training. In this thesis we explore the capabilities of echo-state networks and their application in EEG feature extraction and classification problems. In a first study, we proved that such networks are capable of detecting generalized synchronization changes between two chaotic time-series. In a second study, we used echo-state networks to characterize the non-stationary nature of what has been considered so far to be a stationary brain response, namely steady-state visual evoked potentials (SSVEPs). Finally, in a third study, we successfully proposed a novel biomarker for attention deficit hyperactivity disorder (ADHD), which is capable of quantifying EEG dynamical changes between low and normal attention-arousal conditions. The results presented here demonstrate the excellent non-stationary detection capabilities of these networks, and their applicability to electrophysiological data analysis.
En la última decada las redes neuronales recurrentes han revolucionado el campo de la inteligencia artificial. Sus conexiones cíclicas les proporcionan memoria y por tanto la capacidad de modelar problemas con contexto temporal. Las redes echo-state simplifican enormemente el diseño y entrenamiento de las redes recurrentes. En esta tesis exploramos el uso de redes echo-state y su aplicación en problemas de clasificación y detección de patrones en señales EEG. En un primer estudio demostramos que son capaces de detectar cambios de sincronización generalizada entre dos series temporales caóticas. En un segundo utilizamos redes echo-state para caracterizar la no estacionaridad de un fenómeno considerado de estado estable, potenciales visuales evocados steady-sate (SSVEP). Finalmente en un tercer estudio proponemos un nuevo biomarcardor para TDAH capaz de cuantificar cambios en la dinámica de la señal EEG entre condiciones bajas y normales de excitación. Los resultados aquí presentados demuestran la excelente capacidad de detección de patrones no estacionarios de estas redes, así como su aplicabilidad en el análisis de datos electrofisiológicos.
Electroencephalography (EEG); Electroencefalografía (EEG); Trastorno de deficit de atención e hiperactividad (TDAH); Potencial evocado visual de estado estable; Sincronización generalizada; Redes echo-state; Steady-state visual evoked potentials (SSVEP); Attention-deficit hyperactivity disorder (ADHD); Echo-state networks (ESN); Generalized synchronization
616.8 - Neurology. Neuropathology. Nervous system
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
