論文の概要: Tensor Convolutional Sparse Coding with Low-Rank activations, an
application to EEG analysis
- arxiv url: http://arxiv.org/abs/2007.02534v2
- Date: Fri, 10 Jul 2020 13:00:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 02:11:25.925223
- Title: Tensor Convolutional Sparse Coding with Low-Rank activations, an
application to EEG analysis
- Title（参考訳）: 低ランクアクティベーションを用いたテンソル畳み込みスパース符号化 : 脳波解析への応用
- Authors: Pierre Humbert (ENS Paris Saclay, CGB, CNRS), Laurent Oudre (L2TI),
Nivolas Vayatis (ENS Paris Saclay, CGB, CNRS), Julien Audiffren
- Abstract要約: 我々は、Kruskal CSC(K-CSC)と呼ばれる新しい畳み込みスパース符号化(CSC)モデルを導入する。
主な貢献であるTC-FISTAは、複数のツールを使用して、結果の最適化問題を効率的に解決します。
その結果,TC-FISTAはノイズや摂動に対して頑健であり,信号の正確でスパースで解釈可能な符号化を実現することがわかった。
- 参考スコア（独自算出の注目度）: 5.540875567089276
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, there has been growing interest in the analysis of spectrograms of
ElectroEncephaloGram (EEG), particularly to study the neural correlates of
(un)-consciousness during General Anesthesia (GA). Indeed, it has been shown
that order three tensors (channels x frequencies x times) are a natural and
useful representation of these signals. However this encoding entails
significant difficulties, especially for convolutional sparse coding (CSC) as
existing methods do not take advantage of the particularities of tensor
representation, such as rank structures, and are vulnerable to the high level
of noise and perturbations that are inherent to EEG during medical acts. To
address this issue, in this paper we introduce a new CSC model, named Kruskal
CSC (K-CSC), that uses the Kruskal decomposition of the activation tensors to
leverage the intrinsic low rank nature of these representations in order to
extract relevant and interpretable encodings. Our main contribution, TC-FISTA,
uses multiple tools to efficiently solve the resulting optimization problem
despite the increasing complexity induced by the tensor representation. We then
evaluate TC-FISTA on both synthetic dataset and real EEG recorded during GA.
The results show that TC-FISTA is robust to noise and perturbations, resulting
in accurate, sparse and interpretable encoding of the signals.
- Abstract（参考訳）: 近年,脳電図(eeg)のスペクトログラム分析への関心が高まっている。
実際、3つのテンソル(チャネル x 周波数 x 倍)がこれらの信号の自然な、有用な表現であることが示されている。
しかし、この符号化は、特に畳み込みスパース符号化(CSC)において、既存の手法では、ランク構造のようなテンソル表現の特異性を生かせず、医療行為中に脳波に固有の高レベルのノイズや摂動に弱いため、重大な困難を伴う。
そこで,本稿では,アクティベーションテンソルのkruskal分解を用いて,これらの表現の固有低ランク性を活用する新しいcscモデルであるkruskal csc(k-csc)を提案する。
我々の主な貢献であるTC-FISTAは、テンソル表現によって引き起こされる複雑さの増大にもかかわらず、結果の最適化問題を効率的に解くために複数のツールを使用する。
次に、GA中に記録された合成データセットと実際の脳波の双方でTC-FISTAを評価する。
その結果,TC-FISTAはノイズや摂動に対して頑健であり,信号の正確でスパースで解釈可能な符号化を実現することがわかった。
関連論文リスト
- Guaranteed Nonconvex Low-Rank Tensor Estimation via Scaled Gradient Descent [4.123899820318987]
本稿では,テンソル因子を直接推定するスケールド勾配降下法(ScaledGD)を提案する。
理論上、ScaledGD は基底真理低ランクテンソルの条件数に依存しない定数速度で線形収束を達成する。
虚弱条件下での低ランクテンソル推定の収束速度を加速する上でのScaledGDの有効性を示す数値的な例を提供する。
論文 参考訳（メタデータ） (2025-01-03T08:26:01Z) - Graph Structure Refinement with Energy-based Contrastive Learning [56.957793274727514]
グラフの構造と表現を学習するための生成訓練と識別訓練のジョイントに基づく教師なし手法を提案する。
本稿では,ECL-GSR(Energy-based Contrastive Learning)によるグラフ構造再構成(GSR)フレームワークを提案する。
ECL-GSRは、主要なベースラインに対するサンプルやメモリの少ない高速なトレーニングを実現し、下流タスクの単純さと効率性を強調している。
論文 参考訳（メタデータ） (2024-12-20T04:05:09Z) - Tensor-network decoders for process tensor descriptions of non-Markovian noise [0.0]
フォールトトレラント計算には量子エラー補正(QEC)が不可欠である。
本稿では,2つのパラダイムQEC符号の性能について検討する。
論文 参考訳（メタデータ） (2024-12-18T11:17:09Z) - RhythmFormer: Extracting Patterned rPPG Signals based on Periodic Sparse Attention [18.412642801957197]
RRhythmは、生理学的ビデオに基づいて生理的信号を検出する非接触法である。
本稿では,周期性によって誘発される時間的注意間隔に基づく周期的注意機構を提案する。
これは、データ内およびデータ間評価の両方において最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-02-20T07:56:02Z) - TSRNet: Simple Framework for Real-time ECG Anomaly Detection with
Multimodal Time and Spectrogram Restoration Network [9.770923451320938]
本稿では,異常検出を利用したトレーニング用心電図データのみを用いた不健康状態の同定手法を提案する。
本稿では,心電図信号の異常検出に特化して設計されたTSRNet(Multimodal Time and Spectrogram Restoration Network)を提案する。
論文 参考訳（メタデータ） (2023-12-15T20:27:38Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - A Theoretical Understanding of Shallow Vision Transformers: Learning,
Generalization, and Sample Complexity [71.11795737362459]
自己注意モジュールを持つViTは、最近多くのタスクで経験的な成功を収めた。
しかし、理論学習の一般化分析は、ほとんどノイズが多く、解答的である。
本稿では,分類タスクのための浅いViTの理論的解析を行った。
論文 参考訳（メタデータ） (2023-02-12T22:12:35Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Fast and Provable Tensor Robust Principal Component Analysis via Scaled
Gradient Descent [30.299284742925852]
本稿では、テンソルロバスト主成分分析(RPCA)に取り組む。
希少な腐敗によって汚染された観測から低ランクのテンソルを回収することを目的としている。
提案アルゴリズムは, 最先端行列やテンソルRPCAアルゴリズムよりも, より優れた, よりスケーラブルな性能を実現する。
論文 参考訳（メタデータ） (2022-06-18T04:01:32Z) - Explicit Regularisation in Gaussian Noise Injections [64.11680298737963]
ガウスノイズインジェクション(GNI)によるニューラルネットワークの正規化の検討
GNIの明示的な正則化を導出する。
このような正規化は、大きな分類マージンを持つ校正分類器を生成することを分析的かつ実証的に示す。
論文 参考訳（メタデータ） (2020-07-14T21:29:46Z)
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。