РАЗДЕЛЫ
Главная » 2016 » Ноябрь » 7 » НКИ. Инструментарий исследователя
14:54
НКИ. Инструментарий исследователя

Инструментарий исследователя НКИ

Чтобы не отрывать теорию от практики, необходимо работать с предметом исследования своими руками. Голыми руками мы не обойдёмся, поэтому подберём инструменты.

Общие инструменты научного анализа

MATLAB

Один из самых популярных платформ от компании MathWorks, используемая исследователями из практически всех отраслей промышленности. На основе MATLAB можно выполнять вычисления, строить графики, создавать нейронные сети, обрабатывать данные и многое многое другое. Присутствует возможность прикрутить к своему проекту графический интерфейс.

Программа платная, цены начинаются от $105 за ядро платформы, до $1758 - если скупить вообще все модули и тулбоксы, какие только предлагаются. Каждый тулбокс стоит $29. Впринципе, если, например, взять основное ядро, добавить математику, кое-что из обработки сигналов, биоинформатику и тулбоксы для анализа данных - можно влезть в $500.

MATLAB цены

MATLAB цены

Есть также предложения для студентов:
$69 за MATLAB and Simulink Student Suite (в пакет входят основные тулбоксы)
$35 за MATLAB Student (только MATLAB)
$20 за каждый тулбокс

Есть различные условия для получения триальной версии, например, в рамках текущей кампании Machine learning.

Почему MATLAB стоит первый в списке, несмотря на то, что это платная платформа?

На это есть как минимум 5 причин:

  1. Потому что MATLAB предлагает самую подробную и наглядную помощь по функционалу из коробки, в которую входит как синтаксис, так и множество примеров.
  2. Есть возможность посмотреть видео-уроки.
  3. Есть форум с огромным комьюнити, состоящем в основном из профессионалов.
  4. Есть сотни сайтов, на которых люди выкладывают свои туториалы по MATLAB.
  5. MATLAB стал фактически стандартом многих исследований и зачастую производители оборудования экспортируют данные в кодированном для матлаба формате *.m (например, система биосенсоров BioPac). Да, кто захочет, сможет легко экспортировать данные в SciLab. Но факт заточенности именно под MATLAB остаётся.

MathWorks не стоит на месте и заманивает на свой продукт разнообразными кампаниями, в том числе бесплатными электронными книгами. Вот, например материалы к текущей кампании: Machine Learning with MATLAB. Чтобы скачать и увидеть список ссылок на видео и другие материалы, нужно указать личные данные. Кто хочет прямых ссылок, пожалуйте сюда.

SciLab

Пожалуй, вторая по популярности платформа для обработки данных, клон MATLAB - опенсурсный SciLab. Главное преимущество - полная бесплатность. Скачать можно прямо по ссылке с главной странице официального сайта.

Также SciLab мне нравится своей легковесностью - установщик весит меньше 200 MB.

В чём минусы?

  1. Помощь не такая наглядная и развёрнутая, как в MATLAB.
  2. Многие функции, по-умолчанию работающие в MATLAB, работают в SciLab только после определённых сделанных энтузиастами модулей, которые новичок может и не найти найти и не знать, как прикрутить.
  3. Синтаксис незначительно отличается от MATLAB. В целом, соответствующая функция из MATLAB для SciLab легко гуглится.
  4. Комьюнити SciLab не настолько большое, как в MATLAB.
  5. Примеры готовых решений найти сложнее, чем для MATLAB. Также на форумах новичку врядли будут разжёвывать основы.

В целом, SciLab это решение для тех, кто либо уже знаком с MATLAB, либо для тех, кто не привык, что его кормят знаниями с ложки. Скорее всего, пользователи Linux будут чувствовать себя как рыба в воде. Но это не потому что они умнее пользователей других систем, а просто потому, что они привыкли тратить какое-то время на поиск и решение проблемы.

Я сам начинал с MATLAB - у нас было введение в программирование через него (к слову, лекции были практически бесполезные - учил сам). Продолжил в Java на объект-ориентированном программировании (лекции были хаотичными и поэтому также практически бесполезными - учил сам). После этого использовал SciLab в проекте по выделению визуально-эвоцированного потенциала (VEP, visual evoked potential) из ЭЭГ субъекта. Проблемы в процессе возникали, но были решаемы. Причём, проблемы были в основном из-за моей неопытности как программиста, а не из-за сложности платформы. Однако, наверное можно считать показательным, что из всей группы я один мог работать с SciLab. Для остальных (тех немногих, кто сам сделал проект, а не взял готовый код у меня или пары других моих согруппников) было проще/удобнее сделать проект в MATLAB.

Набор инструментов из лекции Lecture 1.4 Available Tools из плейлиста Introduction to Modern Brain-Computer Interface Design, о котором уже говорилось

BioSig

BioSig

BCI2000

BCI2000

OpenViBE

OpenViBE

g.BSanalyze

g.BSanalyze

BCILAB

BCILAB

Other Packages

Other Packages

  1. FieldTrip
  2. xBCI
  3. BF++
  4. TOBI
  5. PyFF
  6. BBCI (недоступна для скачивания - внутренняя платформа ТУ Берлина, но потенциально возможно получить лицензию)
  7. BCI++

Evernote

Чтобы ничего не забыть. (=

Категория: Обобщение материала | Просмотров: 871 | Добавил: michaelmorr | Теги: практика, инструменты, НКИ | Рейтинг: 0.0/0
Всего комментариев: 0
comments powered by HyperComments