論文の概要: Deep Learning in EEG: Advance of the Last Ten-Year Critical Period

• arxiv url: http://arxiv.org/abs/2011.11128v3
• Date: Thu, 20 May 2021 19:24:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:25:26.097262
• Title: Deep Learning in EEG: Advance of the Last Ten-Year Critical Period
• Title（参考訳）: eegにおけるディープラーニング: 過去10年間の批判的期間の進展
• Authors: Shu Gong, Kaibo Xing, Andrzej Cichocki, Junhua Li
• Abstract要約: ディープラーニングは幅広い領域、特に音声認識やコンピュータビジョンにおいて優れた性能を発揮している。 脳波の研究は比較的少ないが、この10年で大きな進歩が続いている。 本稿ではまず,脳波信号のアーティファクト除去について簡単に述べるとともに,脳波処理や分類に活用されているディープラーニングモデルを紹介する。 脳波の深層学習の応用は、脳-コンピュータインタフェース、疾患検出、感情認識などのグループに分類することで検証される。
• 参考スコア（独自算出の注目度）: 16.437704026938146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning has achieved excellent performance in a wide range of domains, especially in speech recognition and computer vision. Relatively less work has been done for EEG, but there is still significant progress attained in the last decade. Due to the lack of a comprehensive and topic widely covered survey for deep learning in EEG, we attempt to summarize recent progress to provide an overview, as well as perspectives for future developments. We first briefly mention the artifacts removal for EEG signal and then introduce deep learning models that have been utilized in EEG processing and classification. Subsequently, the applications of deep learning in EEG are reviewed by categorizing them into groups such as brain-computer interface, disease detection, and emotion recognition. They are followed by the discussion, in which the pros and cons of deep learning are presented and future directions and challenges for deep learning in EEG are proposed. We hope that this paper could serve as a summary of past work for deep learning in EEG and the beginning of further developments and achievements of EEG studies based on deep learning.
• Abstract（参考訳）: ディープラーニングは幅広い領域、特に音声認識やコンピュータビジョンにおいて優れた性能を発揮している。 脳波に対する作業は比較的少ないが、過去10年間に達成された大きな進歩がある。 eegにおけるディープラーニングに関する包括的かつ広くカバーされた調査が欠如していることから,最近の進歩を要約して概要と今後の展開の展望を提供する。 まず,脳波信号のアーティファクト除去について述べるとともに,脳波処理や分類に活用されたディープラーニングモデルを紹介する。 その後、脳波における深層学習の応用について、脳-コンピュータインタフェース、疾患検出、感情認識などのグループに分類してレビューする。 それらに続いて、深層学習の長所と短所が提示され、脳波における深層学習の今後の方向性と課題が提案される。 本論文は、脳波の深層学習に関する過去の研究の概要と、深層学習に基づく脳波研究のさらなる発展と成果の始まりとして役立つことを期待している。

関連論文リスト

• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Unveiling Thoughts: A Review of Advancements in EEG Brain Signal Decoding into Text [0.0]
  脳波(EEG)を用いた脳活動のテキストへの変換は近年,大きな注目を集めている。 多くの研究者が、脳波信号をテキスト形式にデコードする新しいモデルの開発に取り組んでいる。 この地域の最近の発展と今後の研究の方向性を概説することが重要である。
  論文  参考訳（メタデータ） (2024-04-26T21:18:05Z)
• Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
  ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。 我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。 また,課題と将来的な研究方向性について,より詳細な展望を述べる。
  論文  参考訳（メタデータ） (2024-02-21T13:19:58Z)
• Towards energy-efficient Deep Learning: An overview of energy-efficient approaches along the Deep Learning Lifecycle [0.0]
  エネルギー効率の高いディープラーニングは研究者から多くの注目を集めており、この2年ですでに多くの進歩を遂げている。 本稿は、これらの進歩に関する情報を文献から収集し、エネルギー消費の削減がいかに可能かを示すことを目的とする。
  論文  参考訳（メタデータ） (2023-02-05T11:36:51Z)
• Data augmentation for learning predictive models on EEG: a systematic comparison [79.84079335042456]
  脳波(EEG)分類タスクの深層学習は、ここ数年急速に増加している。 EEG分類タスクのディープラーニングは、比較的小さなEEGデータセットによって制限されている。 データ拡張は、コンピュータビジョンや音声などのアプリケーションにまたがる最先端のパフォーマンスを得るために重要な要素となっている。
  論文  参考訳（メタデータ） (2022-06-29T09:18:15Z)
• Rethinking Saliency Map: An Context-aware Perturbation Method to Explain EEG-based Deep Learning Model [7.693117960747748]
  我々は、脳波に基づくディープラーニングモデルを説明する既存の研究を要約するためにレビューを行う。 生の脳波信号の観点から,サリエンシマップを生成するための文脈認識手法を提案する。 また,脳波に基づく深層学習モデルの成果物を抑制するために,文脈情報を利用することを正当化する。
  論文  参考訳（メタデータ） (2022-05-30T10:25:20Z)
• EEG based Emotion Recognition: A Tutorial and Review [21.939910428589638]
  脳波に基づく感情認識の科学的基礎を心理学的・生理学的に紹介する。 本稿では,これらのレビューを異なる技術経路に分類し,理論的基礎と研究モチベーションを説明する。
  論文  参考訳（メタデータ） (2022-03-16T08:28:28Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。