論文の概要: DeepBrain: Towards Personalized EEG Interaction through Attentional and
Embedded LSTM Learning
- arxiv url: http://arxiv.org/abs/2002.02086v2
- Date: Wed, 14 Apr 2021 04:37:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 13:23:36.782486
- Title: DeepBrain: Towards Personalized EEG Interaction through Attentional and
Embedded LSTM Learning
- Title（参考訳）: DeepBrain: 意識的および埋め込み型LSTM学習によるパーソナライズされた脳波インタラクション
- Authors: Di Wu and Huayan Wan and Siping Liu and Weiren Yu and Zhanpeng Jin and
Dakuo Wang
- Abstract要約: 本稿では,低コストデバイスであるDeepBrainからの粗い脳波信号の組込み学習を通じて,脳-ロボット間相互作用(BRI)を実現するエンド・ツー・エンドのソリューションを提案する。
1)脳波信号の時間依存性とその分類を扱うための特定の前処理技術を備えた長期記憶(拡張LSTM)構造を提案する。
我々の実世界の実験は、低コストで提案されたエンドツーエンドのソリューションが、良好な実行速度、精度、エネルギー効率を実現することを実証している。
- 参考スコア（独自算出の注目度）: 20.300051894095173
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The "mind-controlling" capability has always been in mankind's fantasy. With
the recent advancements of electroencephalograph (EEG) techniques,
brain-computer interface (BCI) researchers have explored various solutions to
allow individuals to perform various tasks using their minds. However, the
commercial off-the-shelf devices to run accurate EGG signal collection are
usually expensive and the comparably cheaper devices can only present coarse
results, which prevents the practical application of these devices in domestic
services. To tackle this challenge, we propose and develop an end-to-end
solution that enables fine brain-robot interaction (BRI) through embedded
learning of coarse EEG signals from the low-cost devices, namely DeepBrain, so
that people having difficulty to move, such as the elderly, can mildly command
and control a robot to perform some basic household tasks. Our contributions
are two folds: 1) We present a stacked long short term memory (Stacked LSTM)
structure with specific pre-processing techniques to handle the time-dependency
of EEG signals and their classification. 2) We propose personalized design to
capture multiple features and achieve accurate recognition of individual EEG
signals by enhancing the signal interpretation of Stacked LSTM with attention
mechanism. Our real-world experiments demonstrate that the proposed end-to-end
solution with low cost can achieve satisfactory run-time speed, accuracy and
energy-efficiency.
- Abstract（参考訳）: 思考制御」の能力は、常に人類の幻想に表れている。
近年の脳波計(EEG)技術の進歩により、脳-コンピュータインターフェース(BCI)の研究者は、個人が心を使って様々なタスクをこなせるように様々な方法を模索してきた。
しかし、正確なEGG信号収集を行う市販のオフザシェルフデバイスは通常高価であり、比較可能な安価なデバイスは粗い結果しか提示できないため、これらのデバイスを家庭内サービスで実用化することができない。
この課題に取り組むため,我々は,低コストデバイス,すなわちディープブレインからの粗い脳波信号の埋め込み学習により,ロボットを軽度に指揮・制御し,基本的な家庭作業を行うための,細かな脳-ロボット間インタラクション(bri)を可能にするエンドツーエンドソリューションを提案し,開発する。
私たちの貢献は2つあります
1) 脳波信号の時間依存性とその分類を扱うための特定の前処理技術を備えた長期記憶構造(拡張LSTM)を提案する。
2)複数の特徴を捉えるためのパーソナライズドデザインを提案し,注意機構を付加した重ね合わせlstmの信号解釈を強化することにより,個々の脳波信号の正確な認識を実現する。
実世界実験により,提案する低コストのエンド・ツー・エンドソリューションが,実行時速度,精度,エネルギー効率を満足できることを示した。
関連論文リスト
- Recording Brain Activity While Listening to Music Using Wearable EEG Devices Combined with Bidirectional Long Short-Term Memory Networks [1.5570182378422728]
本研究は、音楽を聴きながら脳波信号を効率的に記録・分析することの課題に対処することを目的とする。
脳波信号処理のためのBi-LSTMネットワークとアテンション機構を組み合わせた手法を提案する。
Bi-LSTM-AttGWモデルは、SEEDデータセットで98.28%、DEAデータセットで92.46%の精度を達成した。
論文 参考訳（メタデータ） (2024-08-22T04:32:22Z) - Emotion-Agent: Unsupervised Deep Reinforcement Learning with Distribution-Prototype Reward for Continuous Emotional EEG Analysis [2.1645626994550664]
連続脳波(EEG)信号は、感情脳-コンピュータインターフェース(aBCI)の応用に広く用いられている。
脳波信号から関連性および情報的感情モーメントを自動的に識別する,非教師なしの深層強化学習フレームワーク Emotion-Agent を提案する。
Emotion-AgentはPPO(Proximal Policy Optimization)を用いて訓練され、安定かつ効率的な収束を実現する。
論文 参考訳（メタデータ） (2024-08-22T04:29:25Z) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - Emotion recognition based on multi-modal electrophysiology multi-head
attention Contrastive Learning [3.2536246345549538]
自己教師型コントラスト学習に基づくマルチモーダル感情認識手法ME-MHACLを提案する。
訓練された特徴抽出器をラベル付き電気生理学的信号に適用し、特徴融合に多頭部注意機構を用いる。
本手法は,感情認識タスクにおける既存のベンチマーク手法よりも優れ,個人間一般化能力に優れていた。
論文 参考訳（メタデータ） (2023-07-12T05:55:40Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳（メタデータ） (2022-09-19T16:49:32Z) - Upper Limb Movement Recognition utilising EEG and EMG Signals for
Rehabilitative Robotics [0.0]
上肢運動分類のための新しい決定レベル多センサ融合手法を提案する。
システムは脳波信号をEMG信号と統合し、両方の情報源から効果的な情報を取得し、ユーザの欲求を理解し予測する。
論文 参考訳（メタデータ） (2022-07-18T14:51:23Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳（メタデータ） (2020-07-31T14:34:47Z) - Human brain activity for machine attention [8.673635963837532]
我々は脳波(EEG)という神経科学データを初めて活用し、人間の脳の言語処理について神経の注意モデルに知らせる。
我々は、理論上動機付けられた収穫と無作為な森林分枝を組み合わせることで、機械の注意を監督する脳波の特徴を見つける手法を考案した。
これらの特徴を関係分類の注意を規則化するために応用し、脳波が強い基準線よりも情報的であることを示す。
論文 参考訳（メタデータ） (2020-06-09T08:39:07Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。