Mathesis Wiki

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.

====== Machine-Learning Ansätze ======

=== E-Mail von Stefan ===

Für das EKG-Projekt wäre ich sehr optimistisch.

Wichtig: Es gibt öffentliche Datensätze, z.B.  den in
https://www.nature.com/articles/s41597-020-0495-6
beschriebenen.

Dass sind EKGs mit Experten-Annotation, so dass sich
Klassifikationsprobleme formulieren lassen.

Modelltypen, die auf jeden Fall funktionieren sollten:

- Convolutional neural networks (einige Conv.-Schichten,
dann dichte Netze, nach dem Vorbild des für Bilder sehr
erfolgreichen 'LeNet'.  Habe auch auf Anhieb einen Artikel
gefunden, der so was ähnliches macht. Einfache Architektur,
gut mit keras (tensorflow.keras) zu machen oder auch
mit pytorch.

- Rekurrente neuronale Netze, die die 'Dynamik' der Signale
zu lernen versuchen (LSTM, auch gut mit keras möglich) können
in ihren 'hidden states' diese so repräsentieren, dass sich darauf
wiederum ein Klassifikator lernen lässt. (Theorie aber schwerer
zu verstehen als beim obigen Modell;  ich finde die Details
des LSTM immer noch komisch, ein mir befreundeter
Machine-Learning-Professor auch.)

Die state-of-the-art-Modelle kombinieren häufig die beiden (oder
verwenden einen etwas umständlicher zu erklärenden, aber eigentlich
im Vergleich zum LSTM verständlichen 'attention'-Mechanismus.)

Ich bin aber überzeugt, dass bei diesem Problem
viele Ideen zu recht guten Resultaten führen (etwa auf irgendeine Art
'features' extrahieren, und dann darauf einen Random Forest oder eine
logistische Regression als Klassifikator verwenden), dass deine
Studierenden also ermutigt werden können, was auszuprobieren.

Liebe Grüße

Stefan




p.s.

EEG-Signale sind tatsächlich wesentlich komplizierter, da da neben einer
Reihe beinahe
periodischer Basissignale (die schon lange bekannt sind und Namen haben
(alpha,beta, gamma, theta-Wellen)
noch Ereignisse und ganz andere Signale im EEG enthalten sind, die durch
relativ
komplizierte Methoden identifiziert werden.  Das damalige
Mathesis-Projekt hielt ich
also für schwer, glaubte aber daran, dass gewisse Methoden zumindest so weit
funktionieren, dass es interessant ist.  Beim EEG wäre ich aber nicht so
zuversichtlich gewesen, dass man die Studierenden 'einfach probieren'
lassen kann.

Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Seiten-Werkzeuge