Boltzmann Machines for signals decomposition. Application to Parkinson's Disease control

Rémi Souriau (1) , Vincent Vigneron (1) , Jean Lerbet (2) , Hsin Chen (3)

1 IBISC - Informatique, BioInformatique, Systèmes Complexes
2 LaMME - Laboratoire de Mathématiques et Modélisation d'Evry
3 NEL, Dept. of Electrical Engineering

This article presents a new method of decomposition of signals with an unsupervised training model: the continuous RestrictedBoltzmann Machine (cRBM) based on the structure of the Diffusion Network. An application for the detection of High-Voltage Spindle (HVS)in signals recorded in the brain is also presented.

Cet article présente une nouvelle méthode de décomposition des signaux à l'aide d'un modèle d'apprentissage non supervisée: la Machine de Boltzmann Restreinte continue (cRBM) basée sur la structure des réseaux de diffusion. Une application pour la détection des pics d'amplitude de tension enregistrée dans une région profonde du cerveau est également présentée. Abstract-This article presents a new method of decomposition of signals with an unsupervised training model: the continuous Restricted Boltzmann Machine (cRBM) based on the structure of the Diffusion Network. An application for the detection of High-Voltage Spindle (HVS) in signals recorded in the brain is also presented.

Domaines: Traitement du signal et de l'image [eess.SP]

Rémi Souriau, Vincent Vigneron, Jean Lerbet, Hsin Chen. Boltzmann Machines for signals decomposition. Application to Parkinson's Disease control. XXVIIème Colloque francophone de traitement du signal et des images (GRETSI 2019), Aug 2019, Lille, France. ⟨hal-02197049⟩