\documentclass[11pt]{beamer}
%\documentclass[11pt,handout]{beamer}

\usepackage[utf8]{inputenc}
\usepackage[ngerman]{babel}
\usepackage{graphicx}
\usepackage{xcolor}
\usepackage{tikz}
\usepackage{dsfont}

\usetheme[hideothersubsections,left]{Goettingen}
\usecolortheme{lily}

\beamertemplatenavigationsymbolsempty

\begin{document}
	\author{Jan-Peter Hohloch}
	\title[Movement Prediction using Synergies]{Movement Prediction from EEG\\Based on Synergies}
	\subtitle{Evaluation and Comparison to Other Methods}
	\date{22.12.2016\vspace*{1cm}}
	\titlepage
	\begin{frame}
	   \tableofcontents
	\end{frame}

	\section{Grundlagen}
    \frame{\centering\usebeamerfont{section title}\usebeamercolor[fg]{section title}\insertsection\par}
        \subsection{Motivation}
        \begin{frame}{Motivation}
            \begin{itemize}
                \item Steuerung von Prothesen
                \item Rehabilitation durch Exoskelett
                \item Steuerung von Computern oder Robotern
            \end{itemize}
        \end{frame}
        \subsection{Synergien}
		\begin{frame}{Synergien}
			\begin{itemize}
				\item Muskelaktivierung lässt sich in Synergien zerlegen
                \item Muster von Aktivität als Baustein der Bewegung
                \item können als Dimensionsreduktion des EMG-Signals berechnet werden
                \begin{itemize}
                    \item Principal Component Analysis (PCA)
                    \item non-Negative Matrix Factorization (NMF)
                    \item Autoencoder
                \end{itemize}
			\end{itemize}
		\end{frame}
        \subsection{Versuchsaufbau}
        \begin{frame}
            \begin{figure}
                \centering
                \includegraphics{../text/thesis/pictures/experimentalDesign.jpg}
                \caption{Versuchsaufbau (Bild aus Shiman et al. 2015)}
                \label{fig:experimentalDesign}
            \end{figure}
        \end{frame}
        \subsection{Neu-Klassifizierung}
        \begin{frame}{Neu-Klassifizierung}
            \begin{itemize}
                \item sehr schlechte Ergebnisse für Move/Rest-Klassifikation durch EMG
                \item Neu-Klassifizierung basierend auf EMG
                \item unterschiedliche Arten von Pausen\\[.5cm]
                \item[] \input{pause.tikz}
            \end{itemize}
        \end{frame}
        \subsection{Vorhersagemethoden}
        \begin{frame}{Vorhersagemethoden}
            \begin{itemize}
                \item Support-Vector-Machine (SVM)
                \begin{itemize}
                    \item Klassifizierung durch trennende Ebenen
                    \item $\min \frac{1}{||\vec{w}||}\ s.t.\ y_i(\vec{w}\cdot\vec{x_i}-b)\geq 1,\ i=1,\dots,n$
                    \item $\vec{x_i}$ Eingabe, $y_i\in\{-1,+1\}$ Klasse
                \end{itemize}
                \item \textsc{Ridge}-Regression
                \begin{itemize}
                    \item lineare Regression
                    \item \textsc{Ridge}-Parameter $\lambda$ verringert overfitting
                    \item $Y=X\beta+\epsilon$
                    \item $\hat{\beta}=\arg\min\limits_{b\in\mathds{R}^p} \left(y-Xb\right)^T\left(y-Xb\right)+\lambda b^Tb$
                \end{itemize}
            \end{itemize}
        \end{frame}
	\section{Ergebnisse}
    \frame{\centering\usebeamerfont{section title}\usebeamercolor[fg]{section title}\insertsection\par}
        \subsection{Überblick}
        \begin{frame}
            \begin{figure}
            \centering
            \input{overview.tikz}
            \caption{Überblick: Was passiert?}
            \label{fig:overview}
        \end{figure}
        \end{frame}
        \subsection{EEG}
        \begin{frame}{EEG - Ergebnisse}
            \begin{itemize}
                \item 2-49Hz
                \begin{itemize}
                    \item Move/Rest: 57.2\%
                    \item 5 Klassen: 40.4\%
                    \item Korrelation (Geschwindigkeit): (0.18,0.20,0.01)
                    \item Korrelation (Position): (0.57,0.56,0.50)
                \end{itemize}
                \item Low Frequencies (0.01-1Hz)
                \begin{itemize}
                    \item Move/Rest: 53.5814\%
                    \item 5 Klassen: 32.7297\%
                    \item Korrelation (Geschwindigkeit): (0.0397,0.0747,-0.0145)
                    \item Korrelation (Position): (0.2731,0.2586,0.2047)
                \end{itemize}
            \end{itemize}
        \end{frame}
        \subsection{EMG}
        \begin{frame}{EMG - Ergebnisse}
            \begin{itemize}
                \item EMG (keine Pause)
                \begin{itemize}
                    \item Move/Rest: 80.3\%
                    \item 5 Klassen: 60.5\%
                    \item Korrelation (Geschwindigkeit): (0.06,0.08,0.02)
                    \item Korrelation (Position): (0.26,0.29,0.14)
                \end{itemize}
                \item mit Pause jeweils besser
                \item<2> zum Vergleich: Autoencoder
                \begin{itemize}
                    \item Korrelation (Geschwindigkeit): (0.05,0.08,0.01)
                    \item Korrelation (Position): (0.20,0.29,0.11)
                \end{itemize}
            \end{itemize}
        \end{frame}
        \subsection{Synergien}
		\begin{frame}{Synergien - Anzahl}
			\includegraphics[width=\textwidth]{../text/thesis/pictures/results/noSyn.png}
		\end{frame}
        \begin{frame}{Synergien - Methode}
            \begin{itemize}
                \item nur geringe Unterschiede zwischen PCA, NMF und Autoencodern
                \item PCA-Synergien lassen sich vom EEG aus schlechter vorhersagen
                \item Autoencoder sollten mit wenig Synergien besser funktionieren, ließ sich aber nicht zeigen
            \end{itemize}
        \end{frame}
        \begin{frame}{Synergien - Konzept}
            \begin{itemize}
                \item Synergien lassen sich besser vorhersagen als EMG
                \item EMG-Vorhersage aus EEG mit Zwischenschritt nur wenig schlechter als ohne (0.23 vs 0.20)
                \item<2>[$\rightarrow$] Synergien sind ein sinnvolles Konzept
            \end{itemize}
        \end{frame}
        \subsection{Topographische Informationen}
        \begin{frame}
            {Topographische Informationen}
            \includegraphics<1,2>[width=.49\textwidth]{../text/thesis/pictures/results/topoAlpha.png}
            \includegraphics<2>[width=.49\textwidth]{../text/thesis/pictures/results/topoBeta.png}
            \begin{itemize}
                \item<1,2> Alpha: ``Where-Path'' aktiv
                \item<2> Beta: großer Einfluss von Bewegungsartefakten
            \end{itemize}
        \end{frame}
    \section{Ausblick}
    \frame{\centering\usebeamerfont{section title}\usebeamercolor[fg]{section title}\insertsection\par}
        \begin{frame}{Synergien}
            \begin{itemize}
                \item Synergien stärker als Zwischenschritt EEG$\rightarrow$EMG
                \item bspw. Neuronetz:
                \begin{itemize}
                    \item EEG als Input
                    \item EMG als Output
                    \item 1 Hidden Layer
                \end{itemize}
            \end{itemize}
        \end{frame}
    %\frame{\centering\usebeamerfont{section title}\usebeamercolor[fg]{section title}Fragen?\par}
    \begin{frame}
        {Fragen?}
        \only<2>\tableofcontents
    \end{frame}
\end{document}