Fugu-MT 論文翻訳(概要): On the use of generative deep neural networks to synthesize artificial multichannel EEG signals

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

EEG-DIF: Early Warning of Epileptic Seizures through Generative Diffusion Model-based Multi-channel EEG Signals Forecasting [9.625156607462127]
本研究では、生成拡散モデル(EEG-DIF)に基づく多信号予測アルゴリズムを提案する。その結果,マルチチャネル脳波信号の将来動向を同時に予測できることが示唆された。 EEG-DIFは、多チャンネル脳波信号を特徴付ける新しいアプローチとてんかん発作に対する革新的な早期警告アルゴリズムを提供する。
論文参考訳（メタデータ） (2024-10-22T18:18:48Z)
Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文参考訳（メタデータ） (2024-09-17T04:48:45Z)
Advancing Spiking Neural Networks for Sequential Modeling with Central Pattern Generators [47.371024581669516]
スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワークを開発するための有望なアプローチである。 SNNをテキスト分類や時系列予測といったシーケンシャルなタスクに適用することは、効果的でハードウェアフレンドリーなスパイク形式の位置符号化戦略を作成するという課題によって妨げられている。 CPG-PEと呼ばれる新しいSNNのためのPE手法を提案する。我々は、一般的に使われているsinusoidal PEが、数学的に特定のCPGの膜電位ダイナミクスの特定の解であることを実証する。
論文参考訳（メタデータ） (2024-05-23T09:39:12Z)
Pseudo Channel: Time Embedding for Motor Imagery Decoding [0.0]
運動画像(MI)に基づく脳波は、外部デバイスを直接神経制御し、神経リハビリテーションを進めるためのフロンティアである。本研究は、MI-EEG信号の復号精度を高めるために擬似チャネルとして使用される、旅行波ベースの時間埋め込みと呼ばれる新しい時間埋め込み手法を提案する。
論文参考訳（メタデータ） (2024-05-21T12:55:11Z)
EEGDiR: Electroencephalogram denoising network for temporal information storage and global modeling through Retentive Network [11.491355463353731]
我々はRetnetを自然言語処理から脳波分解まで導入する。 Retnetの脳波への直接的適用は脳波信号の1次元の性質のため不可能である。本稿では,1次元の脳波信号を2次元に変換してネットワーク入力として用いる信号埋め込み手法を提案する。
論文参考訳（メタデータ） (2024-03-20T15:04:21Z)
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)
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)
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-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。