pyRiemann/pyRiemann

解決的問題

pyRiemann 提供一個專門的機器學習工具包，透過將共變異矩陣視為彎曲流形（黎曼幾何）上的點，而非平坦的歐幾里得空間中的點，來分析多變量資料。此方法在通道間關係比原始值更重要的複雜訊號分類中特別有效，例如腦機介面（BCI）與遙測應用。

工作原理

該套件實作了與 scikit-learn 兼容的 API，用於處理實數對稱正定（SPD）矩陣與複數厄米正定（HPD）矩陣。它從多通道時間序列中估計共變異矩陣，並應用黎曼幾何技術進行分類。透過 Python Array API 支援 NumPy 與 PyTorch 後端，使用 PyTorch 張量時可實現 GPU 加速與自動微分（autograd）。

適用對象

專為從事腦機介面應用的生物訊號（EEG、MEG、EMG）研究者與工程師設計，也適用於遙測領域中處理高光譜或合成孔徑雷達（SAR）影像的研究人員。

主要亮點

• 與 scikit-learn 集成：模擬 scikit-learn API，可直接與 cross_val_score 與 Pipeline 等工具搭配使用。
• 硬體加速：透過 PyTorch 集成支援 GPU 加速與 autograd。
• 多樣化應用：特別優化用於運動影像、事件相關電位（ERP）與穩態視覺誘發電位（SSVEP）等 BCI 範式。
• 遷移學習：提供基於黎曼普羅克魯斯特斯分析的多來源遷移學習工具，支援不同受試者或會談之間的知識轉移。