論文の概要: Online LDA based brain-computer interface system to aid disabled people

• arxiv url: http://arxiv.org/abs/2101.11435v1
• Date: Thu, 21 Jan 2021 08:17:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 18:08:27.975586
• Title: Online LDA based brain-computer interface system to aid disabled people
• Title（参考訳）: 障害者支援のためのオンラインldaベース脳コンピューターインタフェースシステム
• Authors: Apdullah Yayik, Yakup Kutlu
• Abstract要約: このシステムは、最も効果的なイベント関連電位波の1つであるP300に依存しています。 ユーザーは必要なニーズを伝達するために関連するオブジェクトに焦点を合わせる必要がある。 取得した14チャンネル脳波信号のP300波を検出することにより、所望の要求を正しく伝達することができる。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper aims to develop brain-computer interface system based on electroencephalography that can aid disabled people in daily life. The system relies on one of the most effective event-related potential wave, P300, which can be elicited by oddball paradigm. Developed application has a basic interaction tool that enables disabled people to convey their needs to other people selecting related objects. These objects pseudo-randomly flash in a visual interface on computer screen. The user must focus on related object to convey desired needs. The system can convey desired needs correctly by detecting P300 wave in acquired 14-channel EEG signal and classifying using linear discriminant analysis classifier just in 15 seconds. Experiments have been carried out on 19 volunteers to validate developed BCI system. As a result, accuracy rate of 90.83% is achieved in online performance
• Abstract（参考訳）: 本研究の目的は、日常生活の障害者を支援する脳波に基づく脳-コンピューターインタフェースシステムの開発である。 このシステムは最も効果的な事象関連電位波 P300 に依存しており、これは奇異球のパラダイムによって引き起こされる。 開発されたアプリケーションには基本的なインタラクションツールがあり、障害者が関連するオブジェクトを選択する他の人にニーズを伝えることができる。 これらのオブジェクトはコンピュータ画面上のビジュアルインターフェースに擬似ランダムにフラッシュする。 ユーザーは必要なニーズを伝達するために関連するオブジェクトに焦点を合わせる必要がある。 取得した14チャネル脳波信号のP300波を検出し、15秒で線形判別分析分類器を用いて分類することで、所望の要求を正しく伝達することができる。 開発したbciシステムを検証するために,19名のボランティアで実験を行った。 その結果、オンラインのパフォーマンスにおいて精度が90.83%に達する。

関連論文リスト

• Exploiting the Brain's Network Structure for Automatic Identification of ADHD Subjects [70.37277191524755]
  我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。 776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
  論文  参考訳（メタデータ） (2023-06-15T16:22:57Z)
• Sequential Best-Arm Identification with Application to Brain-Computer Interface [34.87975833920409]
  脳コンピュータインタフェース(BCI)は、脳と外部デバイスまたはコンピュータシステムとの直接通信を可能にする技術である。 脳波(EEG)と事象関連電位(ERP)に基づくスペルシステム(ERP)は、物理キーボードを使わずに単語をスペルできるBCIの一種である。 本稿では,固定信頼度設定と固定予算設定の下での逐次トップ2トンプソンサンプリング(STTS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-17T18:49:44Z)
• Subject-Independent Classification of Brain Signals using Skip Connections [1.7969777786551426]
  脳-コンピュータインタフェースシステムは脳波信号を用いて実装することができる。 脳-コンピュータインタフェースシステムにおける最も興味深いタスクの1つは、生の脳波信号から単語を復号することである。
  論文  参考訳（メタデータ） (2023-01-19T07:04:11Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning [91.58711082348293]
  オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。 このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。 疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-02-05T02:01:19Z)
• Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification [78.120927891455]
  最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。 本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。 脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2021-12-05T21:57:22Z)
• Wheelchair automation by a hybrid BCI system using SSVEP and eye blinks [1.1099588962062936]
  プロトタイプは、定常的に視覚的に誘発される電位と眼の点滅の複合メカニズムに基づいている。 プロトタイプは、ユーザを不快にさせることなく、家庭環境で効率的に使用することができる。
  論文  参考訳（メタデータ） (2021-06-10T08:02:31Z)
• AEGIS: A real-time multimodal augmented reality computer vision based system to assist facial expression recognition for individuals with autism spectrum disorder [93.0013343535411]
  本稿では,コンピュータビジョンと深部畳み込みニューラルネットワーク(CNN)を組み合わせたマルチモーダル拡張現実(AR)システムの開発について述べる。 提案システムはAIGISと呼ばれ,タブレット,スマートフォン,ビデオ会議システム,スマートグラスなど,さまざまなユーザデバイスにデプロイ可能な支援技術である。 我々は空間情報と時間情報の両方を活用して正確な表現予測を行い、それを対応する可視化に変換し、元のビデオフレーム上に描画する。
  論文  参考訳（メタデータ） (2020-10-22T17:20:38Z)
• Physical Action Categorization using Signal Analysis and Machine Learning [2.430361444826172]
  本稿では,4つの物理行動の分類のための機械学習に基づくフレームワークを提案する。 表面筋電図 (SEMG) は, 物理的運動を信号に変換して分類し, 使用するための非侵襲的なメカニズムを示す。
  論文  参考訳（メタデータ） (2020-08-16T18:43:00Z)
• Transfer Learning for EEG-Based Brain-Computer Interfaces: A Review of Progress Made Since 2016 [35.68916211292525]
  脳コンピュータインタフェース(BCI)は、脳信号を用いてコンピュータと直接通信することができる。 EEGはノイズ/アーティファクトに敏感で、オブジェクト間/オブジェクト間非定常性に悩まされる。 脳波に基づくBCIシステムでは,様々な被験者に最適なパターン認識モデルを構築することは困難である。
  論文  参考訳（メタデータ） (2020-04-13T16:44:55Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。