Brain-Computer InterfacingModulbeschreibung #40362 / Version 1
- 9 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v8)
| Modul / Version | #40362 / #1 |
|---|---|
| Gültigkeit | SS 2014 – WS 2014/15 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Blankertz, Benjamin |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34355200 FG S-Professur Neurotechnologie |
Kontakt
| Sekretariat | MAR 4-3 |
|---|---|
| Ansprechpartner*in | Wagner vom Berg, Gabriel Leander |
| E-Mail-Adresse | contact@neuro.tu-berlin.de |
| Webseite | https://www.tu.berlin/neuro/studium-lehre/lehrveranstaltungen |
Lernergebnisse
Die Studiernden kennen die wesentlichen Konzepte des Brain-Computer Interfacing. Sie sind in der Lage, eigenständig die Verfahren der biomedizinischen Signalverarbeitung und der Single-Trial Klassifikation auf neuronale Daten anzuwenden. Sie können die Analyseergebnisse interpretieren, sowohl in statistischer als auch in (eingeschränkter) neurophysiologischer Sicht. In einigen Spezialthemen des Brain-Computer Interfacing haben die Teilnehmer eine vertiefte Kenntnis.
Das Modul vermittelt überwiegend:
Fachkompetenz 60x, Methodenkompetenz 25x, Systemkompetenz 5x, Sozialkompetenz 10x
Das Modul vermittelt überwiegend:
Fachkompetenz 60x, Methodenkompetenz 25x, Systemkompetenz 5x, Sozialkompetenz 10x
Lehrinhalte
IL: Forward and Backward Model of EEG; Event-related Potentials; Spatial Filters; Multivariate Analysis of Brain Signals; Single-Trial Classification of Spatio-Temporal Features; Regularized Discriminant Analysis; Interpretation of Spatial Patterns and Filters; Modulation of Brain Rhythms; Event-Related Synchronization and Desynchronization; Common Spatial Pattern Analysis; Classification of Spatio-Spectral Features; Coherency Analysis; Multi-Subject Learning; Experimental Design.
SE: Beispielthemen: Predictors of BCI Performance, Co-adaptive Systems, Control by Spatial Attention; Hybrid BCIs, Multimodal BCIs
SE: Beispielthemen: Predictors of BCI Performance, Co-adaptive Systems, Control by Spatial Attention; Hybrid BCIs, Multimodal BCIs
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Brain-Computer Interfacing (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 h |
| 180 h | |||
Current Topics in Brain-Computer Interfacing (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Die integrierte Lehrveranstaltung besteht aus einem Vorlesungsteil (Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes) und einem Anteil praktischer Arbeit. Letztere besteht aus dem selbstständigen Bearbeiten von Übungsaufgaben und der Bearbeitung einer komplexeren Fragestellung unter Anleitung eines Assistenten.
Die Seminarvorträge werden unter Anleitung eines Betreuers erarbeitet und in einem Blockseminar in der zweiten Hälfte des Semesters präsentiert und diskutiert.
Die Seminarvorträge werden unter Anleitung eines Betreuers erarbeitet und in einem Blockseminar in der zweiten Hälfte des Semesters präsentiert und diskutiert.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra und
Wahrscheinlichkeitstheorie. Grundlagen der Signalverarbeitung und des maschinellen Lernens sind ratsam, jedoch bei solidem theoretischen Vorwissen nicht zwingend erforderlich.
Wahrscheinlichkeitstheorie. Grundlagen der Signalverarbeitung und des maschinellen Lernens sind ratsam, jedoch bei solidem theoretischen Vorwissen nicht zwingend erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Präsentation im Seminar | 25 | ||
| Prüfung IL (schriftlich oder mündlich) | 60 | ||
| Übungsaufgaben | 15 |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Informationen zur Anmeldung sind über das Sekretariat des Fachgebiets NT erhältlich.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – Skripte in elektronischer Form werden jeweils nach der Vorlesung zur Verfügung gestellt.
Empfohlene Literatur
- Blankertz B, Lemm S, Treder MS, Haufe S, Müller KR, Single-trial analysis and classification of ERP components - a tutorial, Neuroimage, 56:814-825, 2011.
- Blankertz B, Tomioka R, Lemm S, Kawanabe M, Müller KR, Optimizing Spatial Filters for Robust EEG Single-Trial Analysis, IEEE Signal Process Mag, 25(1):41-56, 2008.
- Dornhege G, R. Millán J d, Hinterberger T, McFarland D, Müller K (eds), Toward Brain-Computer Interfacing, MIT Press, 2007.
- Parra LC, Spence CD, Gerson AD, Sajda P. Recipes for the Linear Analysis of EEG, Neuroimage, 28(2):326-341, 2005.
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe