論文の概要: Understanding Brain Dynamics for Color Perception using Wearable EEG headband

• arxiv url: http://arxiv.org/abs/2008.07092v1
• Date: Mon, 17 Aug 2020 05:25:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 03:26:56.561610
• Title: Understanding Brain Dynamics for Color Perception using Wearable EEG headband
• Title（参考訳）: ウェアラブル脳波ヘッドバンドを用いた色知覚のための脳ダイナミクスの理解
• Authors: Mahima Chaudhary, Sumona Mukhopadhyay, Marin Litoiu, Lauren E Sergio, Meaghan S Adams
• Abstract要約: 生の脳波信号の特徴から一次色を検出するマルチクラス分類モデルを設計した。 本手法では,連続モードウェーブレット変換から得られる信号帯電力のスペクトルパワー特性,統計特性,相関特性を用いる。 提案手法は, 対象物内分類において, 80.6%の精度が得られた。
• 参考スコア（独自算出の注目度）: 0.46335240643629344
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The perception of color is an important cognitive feature of the human brain. The variety of colors that impinge upon the human eye can trigger changes in brain activity which can be captured using electroencephalography (EEG). In this work, we have designed a multiclass classification model to detect the primary colors from the features of raw EEG signals. In contrast to previous research, our method employs spectral power features, statistical features as well as correlation features from the signal band power obtained from continuous Morlet wavelet transform instead of raw EEG, for the classification task. We have applied dimensionality reduction techniques such as Forward Feature Selection and Stacked Autoencoders to reduce the dimension of data eventually increasing the model's efficiency. Our proposed methodology using Forward Selection and Random Forest Classifier gave the best overall accuracy of 80.6\% for intra-subject classification. Our approach shows promise in developing techniques for cognitive tasks using color cues such as controlling Internet of Thing (IoT) devices by looking at primary colors for individuals with restricted motor abilities.
• Abstract（参考訳）: 色の知覚は人間の脳の重要な認知的特徴である。 ヒトの眼に影響を及ぼす様々な色は脳活動の変化を引き起こし、脳波(EEG)を用いて捉えることができる。 本研究では,生の脳波信号の特徴から一次色を検出するマルチクラス分類モデルを構築した。 従来の研究とは対照的に,本手法では,生の脳波の代わりに連続モレットウェーブレット変換から得られる信号帯電力から得られるスペクトルパワー特性,統計特性,相関特性を用いて分類を行う。 我々は、データ次元を減らし、最終的にモデルの効率を高めるために、フォワード特徴選択やスタックドオートエンコーダのような次元削減技術を適用した。 前向き選択法とランダム森林分類法を用いて,対象物内分類の総合精度を80.6\%とした。 提案手法は,運動能力に制限のある個人に対する一次色を見極めることで,IoT(Internet of Thing)デバイスを制御するようなカラーキューを用いた認知タスクの開発において有望であることを示す。

関連論文リスト

• Color-based classification of EEG Signals for people with the severe locomotive disorder [0.0]
  NeuroSky Mindwaveヘッドセットからの生の脳波信号は、注意に基づくディープラーニングネットワークによって分類されている。 2色の分類では93.5%の精度が得られ、4つの信号の分類では65.75%の精度が得られた。
  論文  参考訳（メタデータ） (2023-04-12T20:32:47Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Neural Color Operators for Sequential Image Retouching [62.99812889713773]
  本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。 ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。 定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
  論文  参考訳（メタデータ） (2022-07-17T05:33:19Z)
• Color Invariant Skin Segmentation [17.501659517108884]
  本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。 この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。 我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-21T05:07:21Z)
• Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin Lesion Classification [5.71097144710995]
  修正された変分オートエンコーダを用いて、ベンチマークとして一般的に使用されるデータセットの皮膚のトーンバイアスを明らかにする。 病変画像の皮膚のトーンを自動的にラベル付けする,効率的かつ効率的なアルゴリズムを提案する。 その後、皮膚のトーンバイアスを軽減するために2つの主要なバイアスアンラーニング技術を使用します。
  論文  参考訳（メタデータ） (2022-02-06T18:53:06Z)
• EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
  本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。 我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。 発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
  論文  参考訳（メタデータ） (2021-10-19T14:22:04Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• Revisiting the Application of Feature Selection Methods to Speech Imagery BCI Datasets [1.7403133838762446]
  音声画像データセットに対して,機能選択/ランク付け手法がいかにシンプルで強力かを示す。 我々の第一の目的は、サポートベクターマシン、$k$-nearest近辺、決定木、線形判別分析、長期記憶リカレントニューラルネットワーク分類器から得られる分類精度を改善することである。
  論文  参考訳（メタデータ） (2020-08-17T22:48:52Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)
• Effect of Analysis Window and Feature Selection on Classification of Hand Movements Using EMG Signal [0.20999222360659603]
  近年,パターン認識(PR)に基づく筋電制御の研究は,機械学習分類器の助けを借りて有望な結果を示した。 複数のクラスの動きと直感的な制御を提供することで、日常的な生活運動を行うために切断対象に電力を供給することができる。 我々は,手の動きの分類精度を向上させるために,効率的なデータ前処理と最適な特徴選択が有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-02T19:03:23Z)

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。