Apprentissage statistique pour le signal

Cet ouvrage présente une introduction à l'apprentissage statistique pour le signal dans le cadre des Interfaces Cerveau-Machine (ICM). Nous introduisons tout d'abord les ICM, qui sont des systèmes visant à contrôler une machine par l'intermédiaire du cerveau. Nous proposons également une introduction à l'apprentissage statistique où l'on abordera la régularisation et les a priori que cette dernière permet d'intégrer dans le processus d'apprentissage. Un rappel concernant les algorithmes d'optimisation utilisés en apprentissage statistique est également fait. Nous présentons ensuite deux méthodes d'apprentissage statistique pour le signal. Tous d'abord une méthode d'apprentissage de filtre permettant de maximiser la marge entre les exemples d'apprentissage, puis une approche multitâche qui permet de transférer de l'information entre plusieurs problèmes d'apprentissage. Des applications de ces méthodes sont faites sur des données réelles de type ICM.