Introduction to Brain-Computer InterfacingModulbeschreibung #40515 / Version 3
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v10)
| Modul / Version | #40515 / #3 |
|---|---|
| Gültigkeit | SS 2016 – WS 2016/17 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| 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 | Miklody, Daniel |
| E-Mail-Adresse | benjamin.blankertz@tu-berlin.de |
| Webseite | http://wiki.ml.tu-berlin.de/wiki/NT/Courses |
Lernergebnisse
Die Studierenden 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.
Lehrinhalte
Ansätze zur Realisierung einer Gehirn-Computer Schnittstelle (Brain-Computer Interface, BCI); Vorwärts- und Rückwärtsmodell des Electroencephalogram (EEG); Ereignis-korrelierte Potenziale (EKPs); Räumliche Filter; Multivariate Analyse von Gehirnsignalen; Einzel-Trial Klassifikation raum-zeitlicher EEG Merkmale; Regularisierte Diskrizimanzanalyse (RDA); Interpretation räumlicher Filter und Muster; Modulation spontaner Oszillationen; Ereignis-korrelierte Synchronisation und Desynchronisation (ERS, ERD); Common Spatial Pattern (CSP) Analyse; Klassifikation spektraler EEG Merkmale; Überwachte und unüberwachte Verfahren zur EEG Klassifikation; Experimentelles Design.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Brain-Computer Interfacing | Integrierte Veranstaltung | 3435 L 501 | Wintersemester | – | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Brain-Computer Interfacing (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 150 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 30 h | 30 h |
| 30 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
This integrated course consists of a lecture (mainly teacher-centred, with some period of group work) and assignments. The latter require independently solving programming exercises and working on complex tasks under guidance of a tutor.
---
Die Integrierte Lehrveranstaltung besteht aus einem Vorlesungsteil (Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes; einige Phasen Gruppenarbeit) und einem Anteil praktischer Arbeit. Letztere besteht aus dem selbstständigen Bearbeiten von Übungsaufgaben und der Bearbeitung einer komplexeren Fragestellung unter Anleitung eines Assistenten.
---
Die Integrierte Lehrveranstaltung besteht aus einem Vorlesungsteil (Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes; einige Phasen Gruppenarbeit) und einem Anteil praktischer Arbeit. Letztere besteht aus dem selbstständigen Bearbeiten von Übungsaufgaben und der Bearbeitung einer komplexeren Fragestellung unter Anleitung eines Assistenten.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
* Required: programming skills; background in mathematics, in particular linear algebra and probability theory.
* Helpful, but not obligatory: Basic knowledge in signal processing and machine learning.
* Helpful, but not obligatory: Basic knowledge in signal processing and machine learning.
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 |
|---|---|---|---|
| (Ergebnisprüfung): 10 Hausaufgaben (Übungszettel) à 2 Punkte | 20 | ||
| (Punktuelle Leistungsabfrage): 2 schriftliche Tests à 40 Punkte | 80 |
Prüfungsbeschreibung (Abschluss des Moduls)
The grade is determined according to § 47 (2) AllgStuPO with the grading system 2 of faculty IV.
* Exercises: Concurrent to the lecture, there will be a tutorial in which eight assignment sheets have to be solved. These are devoted to practical EEG analysis (programming).
* Written exams: In the first half and in the second half of the lecture, there will a written test of about 45 minutes.
* Exercises: Concurrent to the lecture, there will be a tutorial in which eight assignment sheets have to be solved. These are devoted to practical EEG analysis (programming).
* Written exams: In the first half and in the second half of the lecture, there will a written test of about 45 minutes.
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
Registration is not required, but an email stating the interest to participate in the lecture is welcome for the planning of resources:
Sekr. MAR 4-3: Imke Weitkamp <imke.weitkamp@tu-berlin.de>
Sekr. MAR 4-3: Imke Weitkamp <imke.weitkamp@tu-berlin.de>
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