論文の概要: TRIER: Template-Guided Neural Networks for Robust and Interpretable
Sleep Stage Identification from EEG Recordings
- arxiv url: http://arxiv.org/abs/2009.05407v1
- Date: Thu, 10 Sep 2020 01:58:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 04:21:41.947304
- Title: TRIER: Template-Guided Neural Networks for Robust and Interpretable
Sleep Stage Identification from EEG Recordings
- Title(参考訳): TRIER:脳波記録からのロバストかつ解釈可能な睡眠段階同定のためのテンプレートガイドニューラルネットワーク
- Authors: Taeheon Lee, Jeonghwan Hwang, Honggu Lee
- Abstract要約: 本研究では,この課題に対処する事前学習手法を提案する。
経験豊富な医師が睡眠状態の分類に用いた従来の手法に着想を得て,コサイン類似性に基づく畳み込みニューラルネットワークを導入した。
本研究では,(1)分類性能が著しく向上し,(2)複数の面における堅牢性が向上するため,テンプレートパターンによるニューラルネットワークの誘導が睡眠ステージングに有効な方法であることを示す。
- 参考スコア(独自算出の注目度): 5.156484100374058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural networks often obtain sub-optimal representations during training,
which degrade robustness as well as classification performances. This is a
severe problem in applying deep learning to bio-medical domains, since models
are vulnerable to being harmed by irregularities and scarcities in data. In
this study, we propose a pre-training technique that handles this challenge in
sleep staging tasks. Inspired by conventional methods that experienced
physicians have used to classify sleep states from the existence of
characteristic waveform shapes, or template patterns, our method introduces a
cosine similarity based convolutional neural network to extract representative
waveforms from training data. Afterwards, these features guide a model to
construct representations based on template patterns. Through extensive
experiments, we demonstrated that guiding a neural network with template
patterns is an effective approach for sleep staging, since (1) classification
performances are significantly enhanced and (2) robustness in several aspects
are improved. Last but not least, interpretations on models showed that notable
features exploited by trained experts are correctly addressed during prediction
in the proposed method.
- Abstract(参考訳): ニューラルネットワークはトレーニング中にしばしば準最適表現を取得し、ロバスト性や分類性能を低下させる。
これは、生体医学領域にディープラーニングを適用する際の深刻な問題であり、モデルが不規則性やデータ不足の影響を受けやすいためである。
本研究では,睡眠ステージングタスクにおいて,この課題に対処する事前学習手法を提案する。
経験医が睡眠状態に特徴的な波形やテンプレートパターンの存在から分類するために用いた従来の手法に着想を得て,コサイン類似性に基づく畳み込みニューラルネットワークを導入し,トレーニングデータから代表波形を抽出する。
その後、これらの機能はテンプレートパターンに基づいた表現を構築するモデルを導く。
その結果,(1)分類性能が著しく向上し,(2)いくつかの面でのロバスト性が向上するため,テンプレートパターンによるニューラルネットワーク誘導は睡眠ステージングに有効な手法であることがわかった。
最後に、モデル上での解釈は、トレーニングされた専門家が活用した注目すべき特徴が、提案手法の予測中に正しく対処されていることを示した。
関連論文リスト
- SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。
本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文 参考訳(メタデータ) (2024-07-23T20:34:23Z) - MENTOR: Human Perception-Guided Pretraining for Increased Generalization [5.596752018167751]
MENTOR (huMan pErceptioN-guided preTraining fOr increased geneRalization) を紹介する。
我々は、クラスラベルを使わずに、入力された画像からヒトの唾液マップを学習するためにオートエンコーダを訓練する。
我々は、デコーダ部分を取り除き、エンコーダの上に分類層を追加し、従来の新しいモデルを微調整する。
論文 参考訳(メタデータ) (2023-10-30T13:50:44Z) - An interpretable deep learning method for bearing fault diagnosis [12.069344716912843]
我々は、グラディエント重み付きクラス活性化マッピング(Grad-CAM)可視化を用いた畳み込みニューラルネットワーク(CNN)を用いて、ベアリング障害を分類するための解釈可能なディープラーニング(DL)手法を構築した。
モデル評価過程において,提案手法は特徴量の類似性に応じて,健康図書館から予測ベースサンプルを検索する。
論文 参考訳(メタデータ) (2023-08-20T15:22:08Z) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳(メタデータ) (2023-06-04T08:53:27Z) - ShapeWordNet: An Interpretable Shapelet Neural Network for Physiological
Signal Classification [16.82411861562806]
生理的信号分類タスクに適した,より効果的で解釈可能なスキームを提案する。
時系列シェープレットを利用して、顕著な局所パターンを抽出し、解釈可能なシーケンスの離散化を行う。
本研究では,本手法をShapeWordNetと命名し,実世界の3つのデータセットに対する広範な実験を行い,その有効性について検討する。
論文 参考訳(メタデータ) (2023-02-10T02:30:31Z) - Reconciliation of Pre-trained Models and Prototypical Neural Networks in
Few-shot Named Entity Recognition [35.34238362639678]
本研究では,このようなミスマッチを経験的・理論的根拠と整合させる一線符号正規化法を提案する。
我々の研究は、数発のエンティティ認識における一般的な問題に対処するための分析的な視点も提供します。
論文 参考訳(メタデータ) (2022-11-07T02:33:45Z) - A novel approach for wafer defect pattern classification based on
topological data analysis [0.0]
半導体製造において、ウェハマップ欠陥パターンは設備維持と収量管理に重要な情報を提供する。
本稿では,欠陥パターンの形状を有限次元ベクトルとして表現する新しい手法を提案する。
論文 参考訳(メタデータ) (2022-09-19T11:54:13Z) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳(メタデータ) (2022-04-09T13:04:36Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳(メタデータ) (2022-02-01T17:11:13Z) - A Bayesian Perspective on Training Speed and Model Selection [51.15664724311443]
モデルのトレーニング速度の測定値を用いて,その限界確率を推定できることを示す。
線形モデルと深部ニューラルネットワークの無限幅限界に対するモデル選択タスクの結果を検証する。
以上の結果から、勾配勾配勾配で訓練されたニューラルネットワークが、一般化する関数に偏りがある理由を説明するための、有望な新たな方向性が示唆された。
論文 参考訳(メタデータ) (2020-10-27T17:56:14Z) - Automatic Recall Machines: Internal Replay, Continual Learning and the
Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。
本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。
代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文 参考訳(メタデータ) (2020-06-22T15:07:06Z)
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。