<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">  
  <channel>                
    <title>feedback loop</title>    
    <link>https://revues.mshparisnord.fr:443/rfim/index.php?id=763</link>
    <description>Index de feedback loop</description>
    <language>fr</language>    
    <ttl>0</ttl>
    <item>
      <title>Identification par EEG et utilisation dans un cadre artistique des états de concentration : vers une sonification de l’attention ?</title>  
      <link>https://revues.mshparisnord.fr:443/rfim/index.php?id=751</link>
      <description>Ce projet de recherche fait suite à un premier article publié aux JIM 2020, concluant sur certaines possibilités et limites des technologies d’électro-encéphalogrammes (EEG) dans un cadre de recherche et création. En reprenant une méthodologie proche, ce nouvel article contient une proposition d’un dispositif de sonification des données d’un casque EEG. L’objectif du projet est de développer un environnement sonore interactif en favorisant les rétroactions entre le dispositif de mesure et l’utilisateur, notamment à travers la sonification intuitive de ses états de concentration. Ces états de concentration sont discriminés par apprentissage automatique grâce à la bibliothèque Java BrainFlow. L’article explicite la façon dont les données ont été mesurées et traitées ainsi que les choix de mapping et de contrôle de la création sonore. Le projet étant encore en développement, la partie discussion ouvre sur des pistes d’améliorations concernant la synthèse sonore et les méthodes de classification des états concentrés et relaxés. This research project follows on from an initial article published in the Journées d’ Informatique Musicale 2020, concluding on some of the possibilities and limitations of electroencephalogram (EEG) technologies in a creative practice context. Using a similar methodology, the paper contains a proposal for a sonification device for EEG headset data. The aim of this project is to develop an interactive sound environment that facilitates feedback between the measuring device and the user, in the form of an intuitive sonification of the user’s states of focus. These states of concentration are discriminated by machine learning using the Java library “BrainFlow”. The article explains how the data was measured and processed, as well as the choices made for sound creation. As the project is still under development, the last part of the article discusses ways of improving the classification methods and its relation to sound synthesis. </description>
      <pubDate>mer., 08 mai 2024 11:07:39 +0200</pubDate>
      <lastBuildDate>lun., 05 août 2024 16:10:43 +0200</lastBuildDate>      
      <guid isPermaLink="true">https://revues.mshparisnord.fr:443/rfim/index.php?id=751</guid>
    </item>  </channel>
</rss>