論文の概要: Toward Real-World BCI: CCSPNet, A Compact Subject-Independent Motor
Imagery Framework
- arxiv url: http://arxiv.org/abs/2012.13567v3
- Date: Sat, 10 Apr 2021 19:10:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 04:36:10.655177
- Title: Toward Real-World BCI: CCSPNet, A Compact Subject-Independent Motor
Imagery Framework
- Title（参考訳）: 実世界のBCIに向けて:CCSPNet - コンパクトな被写体非依存モータ画像フレームワーク-
- Authors: Mahbod Nouri, Faraz Moradi, Hafez Ghaemi, Ali Motie Nasrabadi
- Abstract要約: 従来の脳-コンピュータインタフェース(BCI)は、使用前に各ユーザーに対して完全なデータ収集、トレーニング、校正フェーズを必要とする。
大規模脳波信号データベースの運動画像(MI)パラダイムを学習するCCSPNetという,新規な主体に依存しないBCIフレームワークを提案する。
提案手法は,ウェーブレット核畳み込みニューラルネットワーク(wkcnn)と時間畳み込みニューラルネットワーク(tcnn)を適用し,脳波信号の多様なスペクトル特性を表現・抽出する。
- 参考スコア（独自算出の注目度）: 2.0741711594051377
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A conventional brain-computer interface (BCI) requires a complete data
gathering, training, and calibration phase for each user before it can be used.
This preliminary phase is time-consuming and should be done under the
supervision of technical experts commonly in laboratories for the BCI to
function properly. In recent years, a number of subject-independent (SI) BCIs
have been developed. However, there are many problems preventing them from
being used in real-world BCI applications. A weaker performance compared to the
subject-dependent (SD) approach and a relatively large number of model
parameters are the most important ones. Therefore, a real-world BCI application
would greatly benefit from a compact subject-independent BCI framework, ready
to be used immediately after the user puts it on, and suitable for low-power
edge-computing and applications in the emerging area of internet of things
(IoT). In this work, we propose a novel subject-independent BCI framework named
CCSPNet (Convolutional Common Spatial Pattern Network) that is trained on the
motor imagery (MI) paradigm of a large-scale EEG signals database consisting of
400 trials for every 54 subjects performing two-class hand-movement MI tasks.
The proposed framework applies a wavelet kernel convolutional neural network
(WKCNN) and a temporal convolutional neural network (TCNN) in order to
represent and extract the diverse spectral features of EEG signals. The outputs
of the convolutional layers go through a common spatial pattern (CSP) algorithm
for spatial feature extraction. The number of CSP features is reduced by a
dense neural network, and the final class label is determined by a linear
discriminative analysis (LDA). The CCSPNet framework evaluation results show
that it is possible to have a low-power compact BCI that achieves both SD and
SI performance comparable to complex and computationally expensive models.
- Abstract（参考訳）: 従来の脳-コンピュータインタフェース(BCI)は、使用前に各ユーザーに対して完全なデータ収集、トレーニング、校正フェーズを必要とする。
この予備段階は時間がかかり、BCIが適切に機能するための実験室で一般的に技術専門家の監督の下で実施されるべきである。
近年,主観非依存型(SI)BCIが多数開発されている。
しかし、現実のBCIアプリケーションでそれらが使われるのを防ぐには多くの問題がある。
主観依存(sd)アプローチに比べて弱い性能と、比較的多くのモデルパラメータが最も重要なものである。
したがって、現実世界のbciアプリケーションは、ユーザがオンするとすぐに使えるコンパクトなサブジェクト非依存のbciフレームワークから大きな恩恵を受け、iot(internet of things)の新興分野における低消費電力エッジコンピューティングやアプリケーションに適している。
本研究では,2段階のハンドムーブメントmiタスクを行う54名の被験者に対して,400回の試行からなる大規模脳波信号データベースの運動画像(mi)パラダイムに基づいて,ccspnet(convolutional common spatial pattern network)と呼ばれる新しい主題非依存型bciフレームワークを提案する。
提案手法は,ウェーブレット核畳み込みニューラルネットワーク(wkcnn)と時間畳み込みニューラルネットワーク(tcnn)を適用し,脳波信号の多様なスペクトル特性を表現・抽出する。
畳み込み層の出力は、空間特徴抽出のための共通空間パターン(CSP)アルゴリズムを介して行われる。
CSP特徴数は高密度ニューラルネットワークにより減少し、最終クラスラベルは線形判別分析(LDA)により決定される。
CCSPNet フレームワークの評価結果から,SD と SI の両性能を複雑で計算コストのかかるモデルに匹敵する低消費電力のコンパクト BCI を持つことが示唆された。
関連論文リスト
- Geometric Neural Network based on Phase Space for BCI-EEG decoding [2.8196015357423376]
ディープラーニングアルゴリズムの脳信号解析への統合は、まだ初期段階にある。
EEGは、非侵襲的で費用効果の高い性質と時間分解能に優れたため、BCIシステムを設計するための広く採用されている選択である。
本稿では、位相SPDNetアーキテクチャを提案し、その性能と結果の解釈可能性について分析する。
論文 参考訳（メタデータ） (2024-03-08T19:36:20Z) - RLEEGNet: Integrating Brain-Computer Interfaces with Adaptive AI for
Intuitive Responsiveness and High-Accuracy Motor Imagery Classification [0.0]
本稿では,Deep Q-Networks (DQN) を用いた強化学習を分類タスクに活用するフレームワークを提案する。
本稿では,OVR(One-Versus-The-Rest)方式で,マルチクラス運動画像(MI)分類のための前処理手法を提案する。
DQNと1D-CNN-LSTMアーキテクチャの統合は意思決定プロセスをリアルタイムで最適化する。
論文 参考訳（メタデータ） (2024-02-09T02:03:13Z) - BRAU-Net++: U-Shaped Hybrid CNN-Transformer Network for Medical Image Segmentation [11.986549780782724]
医用画像の正確な分割作業のために,BRAU-Net++ というハイブリッドで効果的な CNN-Transformer ネットワークを提案する。
具体的には、BRAU-Net++は、U字型エンコーダデコーダ構造を設計するために、コアビルディングブロックとしてバイレベルルーティングアテンションを使用する。
提案手法は,そのベースラインであるBRAU-Netを含む,最先端の手法を超越した手法である。
論文 参考訳（メタデータ） (2024-01-01T10:49:09Z) - Binarized Spectral Compressive Imaging [59.18636040850608]
ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。
本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。
BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
論文 参考訳（メタデータ） (2023-05-17T15:36:08Z) - Unifying Synergies between Self-supervised Learning and Dynamic
Computation [53.66628188936682]
SSLとDCのパラダイム間の相互作用に関する新しい視点を提示する。
SSL設定において、スクラッチから高密度かつゲートされたサブネットワークを同時に学習することは可能であることを示す。
密集エンコーダとゲートエンコーダの事前学習における共進化は、良好な精度と効率のトレードオフをもたらす。
論文 参考訳（メタデータ） (2023-01-22T17:12:58Z) - Basic Binary Convolution Unit for Binarized Image Restoration Network [146.0988597062618]
本研究では,画像復元作業における残差接続,BatchNorm,アクティベーション機能,構造などのバイナリ畳み込みのコンポーネントを再検討する。
本研究の成果と分析に基づいて, 単純で効率的な基本二元畳み込みユニット (BBCU) を設計した。
我々のBBCUは、他のBNNや軽量モデルよりも大幅に優れており、BBCUがバイナライズされたIRネットワークの基本ユニットとして機能することを示しています。
論文 参考訳（メタデータ） (2022-10-02T01:54:40Z) - An intertwined neural network model for EEG classification in
brain-computer interfaces [0.6696153817334769]
脳コンピュータインタフェース(BCI)は、脳とコンピュータまたは外部装置との間の非刺激的直接的、時折双方向通信リンクである。
マルチクラスモータ画像分類における最先端性能を実現するために特別に設計されたディープニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-08-04T09:00:34Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - CNN-based Approaches For Cross-Subject Classification in Motor Imagery:
From The State-of-The-Art to DynamicNet [0.2936007114555107]
運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)システムは、コミュニケーションと制御の代替手段を提供するためにますます採用されています。
信頼できるBCIシステムを得るには、脳信号からMIを正確に分類することが不可欠です。
ディープラーニングアプローチは、標準的な機械学習技術の有効な代替手段として現れ始めている。
論文 参考訳（メタデータ） (2021-05-17T14:57:13Z) - Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。
実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。
ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
論文 参考訳（メタデータ） (2021-03-15T12:54:26Z) - Batch Coherence-Driven Network for Part-aware Person Re-Identification [79.33809815035127]
既存のパートアウェアの人物再識別方法は、通常、ボディ部分の検出と部分レベルの特徴抽出という2つのステップを使用する。
トレーニングフェーズとテストフェーズの両方で身体の一部をバイパスし,セマンティックに整合した機能を実現するNetworkBCDNetを提案する。
論文 参考訳（メタデータ） (2020-09-21T09:04:13Z)
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。