The Riemannian Potato: an automatic and adaptive artifact detection method for online experiments using Riemannian geometry - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

The Riemannian Potato: an automatic and adaptive artifact detection method for online experiments using Riemannian geometry

Alexandre Barachant
  • Fonction : Auteur correspondant
GIPSA - Vision and Brain Signal Processing
Anton Andreev
GIPSA-Services
Marco Congedo
GIPSA - Vision and Brain Signal Processing

Résumé

Artifacts management is a critical problem in any applications involving on-line processing of EEG signals. This paper presents a multivariate automatic and adaptive method for identifying artifacts in continuous EEG data.

Domaines

Traitement du signal et de l'image [eess.SP] Traitement du signal et de l'image [eess.SP]
Fichier principal
Vignette du fichier
Barachant_tobi_IV.pdf (182.24 Ko) Télécharger le fichier
patate2.avi (50.12 Mo) Télécharger le fichier
presentation.pdf (1.49 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Format : Autre
Format : Autre

Alexandre Barachant  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-00781701

Soumis le : lundi 28 janvier 2013-11:01:44

Dernière modification le : jeudi 4 avril 2024-21:07:11

Archivage à long terme le : lundi 17 juin 2013-16:02:49

Télécharger pour visualiser

Dates et versions

hal-00781701 , version 1 (28-01-2013)

Identifiants

  • HAL Id : hal-00781701 , version 1

Citer

Alexandre Barachant, Anton Andreev, Marco Congedo. The Riemannian Potato: an automatic and adaptive artifact detection method for online experiments using Riemannian geometry. TOBI Workshop lV, Jan 2013, Sion, Switzerland. pp.19-20. ⟨hal-00781701⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UGA CNRS GIPSA GIPSA-DIS GIPSA-VIBS
909 Consultations
1861 Téléchargements

Partager

Gmail Facebook X LinkedIn More