論文の概要: EEG-based Texture Roughness Classification in Active Tactile Exploration
with Invariant Representation Learning Networks
- arxiv url: http://arxiv.org/abs/2102.08976v1
- Date: Wed, 17 Feb 2021 19:07:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 14:10:02.488935
- Title: EEG-based Texture Roughness Classification in Active Tactile Exploration
with Invariant Representation Learning Networks
- Title（参考訳）: 不変表現学習ネットワークを用いたアクティブ触覚探索における脳波ベーステクスチャ粗さ分類
- Authors: Ozan Ozdenizci, Safaa Eldeeb, Andac Demir, Deniz Erdogmus, Murat
Akcakaya
- Abstract要約: 複数の皮質脳領域は、感覚運動処理中の感覚認識、知覚、運動実行に責任がある。
能動的な触覚探査において、粗さレベルで異なるテクスチャー表面を識別することが私たちの主な目的です。
我々は、異なるテクスチャ面のEEGに基づく分類を行う逆不変表現学習ニューラルネットワークアーキテクチャを用いる。
- 参考スコア（独自算出の注目度）: 8.021411285905849
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: During daily activities, humans use their hands to grasp surrounding objects
and perceive sensory information which are also employed for perceptual and
motor goals. Multiple cortical brain regions are known to be responsible for
sensory recognition, perception and motor execution during sensorimotor
processing. While various research studies particularly focus on the domain of
human sensorimotor control, the relation and processing between motor execution
and sensory processing is not yet fully understood. Main goal of our work is to
discriminate textured surfaces varying in their roughness levels during active
tactile exploration using simultaneously recorded electroencephalogram (EEG)
data, while minimizing the variance of distinct motor exploration movement
patterns. We perform an experimental study with eight healthy participants who
were instructed to use the tip of their dominant hand index finger while
rubbing or tapping three different textured surfaces with varying levels of
roughness. We use an adversarial invariant representation learning neural
network architecture that performs EEG-based classification of different
textured surfaces, while simultaneously minimizing the discriminability of
motor movement conditions (i.e., rub or tap). Results show that the proposed
approach can discriminate between three different textured surfaces with
accuracies up to 70%, while suppressing movement related variability from
learned representations.
- Abstract（参考訳）: 日常の活動中、人間は手を使って周囲の物体を把握し、知覚や運動の目的にも使われる感覚情報を知覚する。
複数の皮質脳領域は、知覚処理中の知覚認識、知覚および運動実行に関与することが知られている。
様々な研究が人間の感覚運動制御の領域に特に焦点を当てているが、運動実行と感覚処理の関係と処理は未だ完全には理解されていない。
本研究の主な目的は, 運動運動パターンの違いを最小限に抑えつつ, 同時に記録された脳波データを用いて, 触覚探索中に粗さレベルが異なるテクスチャ面を識別することである。
本研究では,8人の健常者を対象に,手指の先端を触りながら,粗さの異なる3種類のテクスチャ面を擦ったり叩いたりする実験を行った。
異なるテクスチャ面の脳波に基づく分類を行い、同時に運動運動条件(例えば、ルーブやタップ)の判別性を最小化する、敵対的不変表現学習ニューラルネットワークアーキテクチャを用いる。
提案手法は,学習表現からの移動関連変動を抑えつつ,最大70%の精度で3つの異なるテクスチャ面を識別できることが示唆された。
関連論文リスト
- Multi-modal Mood Reader: Pre-trained Model Empowers Cross-Subject Emotion Recognition [23.505616142198487]
我々は、クロスオブジェクト感情認識のための訓練済みモデルに基づくMultimodal Mood Readerを開発した。
このモデルは、大規模データセットの事前学習を通じて、脳波信号の普遍的な潜在表現を学習する。
公開データセットに関する大規模な実験は、クロスオブジェクト感情認識タスクにおけるMood Readerの優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-05-28T14:31:11Z) - I am Only Happy When There is Light: The Impact of Environmental Changes
on Affective Facial Expressions Recognition [65.69256728493015]
本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。
以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
論文 参考訳（メタデータ） (2022-10-28T16:28:26Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Progressive Graph Convolution Network for EEG Emotion Recognition [35.08010382523394]
神経科学領域の研究により、感情パターンと脳機能領域の関係が明らかになった。
脳波による感情認識では、きめ細かい感情の間には、きめ細かい感情の間により明確な境界が存在することが観察できる。
脳波の感情信号に特有の特徴を捉えるためのプログレッシブグラフ畳み込みネットワーク(PGCN)を提案する。
論文 参考訳（メタデータ） (2021-12-14T03:30:13Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳（メタデータ） (2021-12-02T12:45:46Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - Contrastive Learning of Subject-Invariant EEG Representations for
Cross-Subject Emotion Recognition [9.07006689672858]
本稿では、信頼度の高いクロスオブジェクト感情認識のためのISAのためのコントラスト学習法を提案する。
ISAは、異なる刺激に対して同じ刺激を受けた被験者間での脳波信号の類似性を最大化する。
脳波信号から物体間表現を学習するために,深部空間畳み込み層と時間畳み込み層を有する畳み込みニューラルネットワークを適用した。
論文 参考訳（メタデータ） (2021-09-20T14:13:45Z) - Preserving Privacy in Human-Motion Affect Recognition [4.753703852165805]
本研究は,3次元の時間的関節信号と手動抽出特徴を用いた感情認識における既存手法の有効性を評価する。
本稿では,マルチエンコーダ自動エンコーダ深層ニューラルネットワークを訓練し,人間の動作特徴の不連続な潜在表現を学習するクロスサブジェクトトランスファー学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-09T15:26:21Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳（メタデータ） (2020-09-21T02:42:30Z) - 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。