Transfer- und Meta-Learning in tiefen Netzen für die Analyse menschlicher Gehirnsignale (B01)

• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 499552394

Wir werden Techniken zum Informationstransfer zwischen kleinen EEG-Datensätzen von verschiedenen Versuchsanordnungen, Probanden und Aufgaben entwickeln. Spezifisch werden wir öffentlich zugängliche EEG-Datensätze sammeln und ein großes neuronales Netzwerk mit allen Daten trainieren, was den Abgleich verschiedener topologischer Layouts beinhaltet und auf ein Transformer-Ansatz setzt, der Elektrodenkoordinaten direkt verarbeiten kann. Zudem werden wir neuronale Netze auf Teilmengen homogener EEG-Datensätze vortrainieren und untersuchen, wie sich die vortrainierten neuronalen Netze beim Fine-Tuning für neue Aufgaben nutzen lassen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1597: Small Data
• Antragstellende Institution: Albert-Ludwigs-Universität Freiburg
• Teilprojektleiter: Professor Dr. Tonio Ball; Professor Frank Hutter, Ph.D.