論文の概要: Interval-valued aggregation functions based on moderate deviations
applied to Motor-Imagery-Based Brain Computer Interface
- arxiv url: http://arxiv.org/abs/2011.09831v2
- Date: Thu, 1 Jul 2021 07:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 22:01:22.919017
- Title: Interval-valued aggregation functions based on moderate deviations
applied to Motor-Imagery-Based Brain Computer Interface
- Title（参考訳）: 運動画像ベース脳コンピュータインタフェースにおける中等度偏差に基づく区間値集約関数
- Authors: Javier Fumanal-Idocin, Zdenko Tak\'a\v{c}, Javier Fern\'andez Jose
Antonio Sanz, Harkaitz Goyena, Ching-Teng Lin, Yu-Kai Wang, Humberto Bustince
- Abstract要約: 区間値の中等度偏差関数の概念を導入する。
次に,これらの関数を区間値の集約関数にどのように適用するかを検討する。
我々は2つのMotor-Imagery Brain Computer Interfaceフレームワークの意思決定フェーズにそれらを適用した。
- 参考スコア（独自算出の注目度）: 8.866762044575875
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we study the use of moderate deviation functions to measure
similarity and dissimilarity among a set of given interval-valued data. To do
so, we introduce the notion of interval-valued moderate deviation function and
we study in particular those interval-valued moderate deviation functions which
preserve the width of the input intervals. Then, we study how to apply these
functions to construct interval-valued aggregation functions. We have applied
them in the decision making phase of two Motor-Imagery Brain Computer Interface
frameworks, obtaining better results than those obtained using other numerical
and intervalar aggregations.
- Abstract（参考訳）: 本研究は,所定の間隔値データの集合間の類似性と相違性を測定するために,適度な偏差関数を用いて検討する。
そこで我々は,区間値の中等偏差関数の概念を導入し,特に入力間隔の幅を保存する区間値の中等偏差関数について検討した。
次に,これらの関数を区間値の集約関数にどのように適用するかを検討する。
我々は2つの運動画像脳コンピュータインタフェースフレームワークの意思決定フェーズにそれらを適用し、他の数値と間隔の集合を用いたものよりも優れた結果を得た。
関連論文リスト
- MTSCI: A Conditional Diffusion Model for Multivariate Time Series Consistent Imputation [41.681869408967586]
主要な研究課題は、どのようにインパルスの整合性を確保するか、すなわち観測値とインパルス値の整合性を確保するかである。
従来の手法は、学習プロセスを導くために、計算対象の帰納的バイアスにのみ依存する。
論文 参考訳（メタデータ） (2024-08-11T10:24:53Z) - Causal Feature Selection via Transfer Entropy [59.999594949050596]
因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。
本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。
精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
論文 参考訳（メタデータ） (2023-10-17T08:04:45Z) - Multivariate Wasserstein Functional Connectivity for Autism Screening [82.68524566142271]
我々は,代表時系列を使わずに,興味のある地域を直接比較することを提案する。
自閉症スクリーニングタスクにおけるWasserstein機能接続性の評価を行った。
論文 参考訳（メタデータ） (2022-09-23T16:23:05Z) - Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。
我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。
広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文 参考訳（メタデータ） (2021-08-23T09:31:18Z) - Compressing Deep ODE-Nets using Basis Function Expansions [105.05435207079759]
重みの定式化を基底関数の線形結合を用いた連続深度関数とみなす。
この観点では、ほぼ最先端の性能を維持しながら、再トレーニングすることなく、ベースの変化によって重みを圧縮することができる。
これにより、推論時間とメモリフットプリントの両方が削減され、計算環境間の高速で厳密な適応が可能となる。
論文 参考訳（メタデータ） (2021-06-21T03:04:51Z) - Towards interval uncertainty propagation control in bivariate
aggregation processes and the introduction of width-limited interval-valued
overlap functions [22.690441650320054]
オーバーラップ関数は、2つの値間の重なり合う度合いを測定するアグリゲーション関数である。
幅制限間隔値のオーバーラップ関数は、出力間隔の幅を制御する関数を考慮に入れます。
論文 参考訳（メタデータ） (2021-06-08T10:22:31Z) - A fusion method for multi-valued data [8.605306329878637]
集合多次元データに合わせた偏差に基づく凝集関数の概念の拡張を提案する。
本研究の目的は,特定のデータ集合に対して最適な集計関数を選択しようとする他の手法による結果の改善と,そのアプローチに必要な時間的複雑さの低減である。
論文 参考訳（メタデータ） (2021-01-25T14:27:21Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳（メタデータ） (2020-12-04T15:36:29Z) - Similarity measure for aggregated fuzzy numbers from interval-valued
data [0.0]
本稿では,2つのファジィ数間の類似度を区間間一致法(IAA)を用いて計算する手法を提案する。
本研究で提案される類似度尺度には, ファジィ数に対する新規な特徴と属性がいくつか含まれている。
論文 参考訳（メタデータ） (2020-12-04T03:44:40Z) - Tolerance and Prediction Intervals for Non-normal Models [0.0]
予測間隔は、繰り返しサンプリングにおいてランダムプロセスから将来の観察をカバーする。
寛容間隔は繰り返しサンプリングにおいて集団パーセンタイルをカバーし、しばしば中心的な量に基づいている。
論文 参考訳（メタデータ） (2020-11-23T17:48:09Z) - Spatially Adaptive Inference with Stochastic Feature Sampling and
Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。
次に、効率的な手順で特徴写像を密に再構築する。
提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文 参考訳（メタデータ） (2020-03-19T15:36:31Z)
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。