論文の概要: On the use of generative deep neural networks to synthesize artificial
multichannel EEG signals
- arxiv url: http://arxiv.org/abs/2102.08061v1
- Date: Tue, 16 Feb 2021 10:18:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 14:57:27.549997
- Title: On the use of generative deep neural networks to synthesize artificial
multichannel EEG signals
- Title(参考訳): 人工多チャンネル脳波信号合成における生成深部ニューラルネットワークの利用について
- Authors: Ozan Ozdenizci, Deniz Erdogmus
- Abstract要約: 本稿では,スペクトル時間型脳波パターンを示す時系列マルチチャネル信号を合成的に生成する手法を提案する。
脳波パターンは運動画像の異なる条件下で観察されることが期待される。
- 参考スコア(独自算出の注目度): 11.634729459989996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent promises of generative deep learning lately brought interest to its
potential uses in neural engineering. In this paper we firstly review recently
emerging studies on generating artificial electroencephalography (EEG) signals
with deep neural networks. Subsequently, we present our feasibility experiments
on generating condition-specific multichannel EEG signals using conditional
variational autoencoders. By manipulating real resting-state EEG epochs, we
present an approach to synthetically generate time-series multichannel signals
that show spectro-temporal EEG patterns which are expected to be observed
during distinct motor imagery conditions.
- Abstract(参考訳): 最近の生成的ディープラーニングの約束は、神経工学における潜在的な利用に関心をもたらした。
本稿では,ニューラルネットワークを用いたeeg(artificial electroencephalography)信号の生成に関する最近の研究について概説する。
その後,条件可変オートエンコーダを用いた条件固有マルチチャネル脳波信号生成の実現可能性実験を行った。
実際の休止状態の脳波エポックを操作することにより、異なる運動条件下で観測されるスペクトル時空間脳波パターンを示す時系列マルチチャネル信号を合成的に生成するアプローチを提案する。
関連論文リスト
- DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by
Multi-scale Feature Reuse [7.646218090238708]
学習可能な時間周波数変換を挟んだDTP(Densely Connected Temporal Pyramid)で構成された、DTP-Netと呼ばれる完全な畳み込みニューラルネットワークを提案する。
脳波信号は様々なアーティファクトによって容易に破壊され、疾患診断や脳-コンピュータインターフェース(BCI)などのシナリオにおいて、信号品質を改善するためにアーティファクトの除去が重要となる
2つの公開セミシミュレートされたデータセットで実施された大規模な実験は、DTP-Netの効果的なアーティファクト除去性能を示す。
論文 参考訳(メタデータ) (2023-11-27T11:09:39Z) - A Knowledge-Driven Cross-view Contrastive Learning for EEG
Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。
KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。
ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文 参考訳(メタデータ) (2023-09-21T08:53:51Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - Surrogate Gradient Spiking Neural Networks as Encoders for Large
Vocabulary Continuous Speech Recognition [91.39701446828144]
スパイクニューラルネットワークは, 代理勾配法を用いて, 通常のリカレントニューラルネットワークのように訓練可能であることを示す。
彼らは音声コマンド認識タスクについて有望な結果を示した。
繰り返し発生する非スパイキングとは対照的に、ゲートを使わずに爆発する勾配問題に対して堅牢性を示す。
論文 参考訳(メタデータ) (2022-12-01T12:36:26Z) - Conditional Generative Models for Simulation of EMG During Naturalistic
Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。
本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文 参考訳(メタデータ) (2022-11-03T14:49:02Z) - neuro2vec: Masked Fourier Spectrum Prediction for Neurophysiological
Representation Learning [17.99757247672905]
神経生理学的信号の自己教師付き事前学習のためのフーリエに基づくモデリングフレームワークを初めて提示する。
我々のモデリング手法は、下流の神経生理学的タスクを大きなマージンで改善することを示します。
論文 参考訳(メタデータ) (2022-04-20T16:48:18Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳(メタデータ) (2021-12-08T13:07:21Z) - EEG multipurpose eye blink detector using convolutional neural network [0.0]
眼球運動によって放射される電気信号は、センサーに近接する脳波信号に非常に強いアーチファクトを生じる。
本研究の目的は,CNN(contrivialal neural network)を用いた脳波信号の瞬き検出と除去のための信頼性とユーザ独立アルゴリズムを作成することである。
論文 参考訳(メタデータ) (2021-07-29T03:34:42Z) - EEG-based Cross-Subject Driver Drowsiness Recognition with an
Interpretable Convolutional Neural Network [0.0]
我々は,新しい畳み込みニューラルネットワークと解釈手法を組み合わせることで,分類の重要な特徴のサンプルワイズ分析を可能にする。
その結果,11名の被験者に対して平均78.35%の精度が得られた。
論文 参考訳(メタデータ) (2021-05-30T14:47:20Z) - Continuous Emotion Recognition with Spatiotemporal Convolutional Neural
Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。
我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文 参考訳(メタデータ) (2020-11-18T13:42:05Z) - Multi-Scale Neural network for EEG Representation Learning in BCI [2.105172041656126]
本稿では,複数の周波数/時間範囲における特徴表現を探索する深層多スケールニューラルネットワークを提案する。
スペクトル時間情報を用いた脳波信号の表現により,提案手法を多種多様なパラダイムに応用することができる。
論文 参考訳(メタデータ) (2020-03-02T04:06:47Z)
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。