pyRiemann/pyRiemann

해결하는 문제

pyRiemann은 공분산 행렬을 평평한 유클리드 공간이 아닌 곡면 다양체(Riemann 기하학) 위의 점으로 간주함으로써, 다변량 데이터를 분석하기 위한 특화된 기계학습 툴킷을 제공합니다. 이 접근법은 채널 간의 관계성이 원시 값보다 더 중요할 때 특히 효과적이며, 뇌-컴퓨터 인터페이스(BCI) 및 원격 탐사와 같은 복잡한 신호 분류에 적합합니다.

작동 방식

이 라이브러리는 scikit-learn 호환 API를 구현하여 실수값 대칭 양의 정부호(SPD) 행렬과 복소수값 헤르미트 양의 정부호(HPD) 행렬을 처리합니다. 다중 채널 시계열에서 공분산 행렬을 추정하고, 리만 기하학 기법을 적용하여 분류합니다. Python Array API를 통해 NumPy 및 PyTorch 백엔드를 지원하며, PyTorch 텐서를 사용할 경우 GPU 가속 및 자동 미분(autograd)이 가능합니다.

대상 사용자

뇌-컴퓨터 인터페이스(BCI) 응용 프로그램에서 뇌파(EEG), 뇌자기측정(MEG), 근전도(EMG) 등의 생체 신호를 다루는 연구자 및 엔지니어, 그리고 원격 탐사에서 고분광 또는 합성개구 레이더(SAR) 이미지를 다루는 사람들에게 적합합니다.

주요 특징

• scikit-learn 통합: scikit-learn API를 모방하여 cross_val_score 및 Pipeline과 같은 도구와 직접 사용 가능.
• 하드웨어 가속: PyTorch 통합을 통해 GPU 가속 및 autograd 지원.
• 다양한 응용: 모터 이미지, 사건 관련 전위(ERP), 정상 상태 시각 자극 전위(SSVEP)와 같은 BCI 패러다임에 특별히 최적화됨.
• 전이 학습: 리만 프로크루스테스 분석을 사용하여 서로 다른 피험자 또는 세션 간의 다중 소스 전이 학습을 위한 도구 포함.