Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
  1. SoSe 2024
  2. Hilfe
  3. Sitemap
Switch to english language
Startseite    Anmelden     
Logout in [min] [minutetext]

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2023 , Aktuelles Semester: SoSe 2024
  • Funktionen:
Praxisprojekt "Exoskeletons"    Sprache: Deutsch    Keine Belegung möglich
(Keine Nummer) Praxisprojekt     SoSe 2023     12 SWS     keine Übernahme     https://www.uni-due.de/es/ss23#P_ES
   Lehreinheit: Informatik und Angewandte Kognitionswissenschaft    
 
      Master of Science Angewandte Informatik (Ingenieur- oder Medieninfor, Abschluss 87, Master of Science Angewandte Informatik (Ingenieur- oder Medieninfor (87AIM)   ( 2. - 3. Semester ) - Kategorie : WP    
  Master of Science Cyber Physical Systems, Abschluss 87, Master of Science Cyber Physical Systems (87CPS)   ( 2. Semester ) - Kategorie : WP    
   Zugeordnete Lehrpersonen:   Schiele verantwort ,   Qian begleitend
 
 
 
   Termin: keine Angabe         wöch.   
  Die Kickoff-Veranstaltung findet am 6. April um 11 Uhr in Raum BC013 statt. Wenn Sie teilnehmen möchten müssen Sie zu diesem Termin erscheinen oder uns vorab eine Email schicken.
 
 
 
   Kommentar:

Medizinische Exoskelette sind ein wichtiges Thema, z. B. für die medizinische Rehabilitation von Schlaganfallpatienten. Eine Herausforderung besteht darin, zu erkennen, welche Art von Bewegung ein Benutzer ausführen möchte, z. B. das Heben eines Arms. Dies kann durch die Analyse von Biosignalen wie EEG (d.h. Neuronenaktivität im Gehirn) unterstützt werden. In diesem semesterübergreifenden Projekt untersuchen wir, wie maschinelles Lernen für eingebettete Systeme eingesetzt werden kann, um bessere Exoskelette durch eine solche Bio-Signalanalyse zu realisieren. In früheren Semestern wurde ein Deep Learning Modell für EEG-Analyse ausgewählt und für einen FPGA implementiert. Das Ziel des Projekts in diesem Semester ist es, unsere eingebettete Hardware-Plattform (mit MCU und FPGA) mit einem existierenden mobilen EEG-Gerät zu integrieren, z.B. über Bluetooth und die so live empfangenen Gehirndaten direkt mit dem Deep Learning Modell auf einem FPGA zu analysieren.

 
   Bemerkung:

Ort und Zeit siehe Ankündigung des Lehrstuhls.