Fugu-MT 論文翻訳(概要): TSception: Capturing Temporal Dynamics and Spatial Asymmetry from EEG for Emotion Recognition

論文の概要: TSception: Capturing Temporal Dynamics and Spatial Asymmetry from EEG for Emotion Recognition

arxiv url: http://arxiv.org/abs/2104.02935v1
Date: Wed, 7 Apr 2021 06:10:01 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 12:42:11.428731
Title: TSception: Capturing Temporal Dynamics and Spatial Asymmetry from EEG for Emotion Recognition
Title（参考訳）: TSception:感情認識のための脳波からの時間的ダイナミクスと空間的非対称性の獲得
Authors: Yi Ding, Neethu Robinson, Qiuhao Zeng, Cuntai Guan
Abstract要約: TSceptionは、情動性脳波(EEG)から時相ダイナミクスを学ぶためのマルチスケール畳み込みニューラルネットワークである提案手法は, 今後, 感情認識のための感情調節療法に用いることができる。
参考スコア（独自算出の注目度）: 9.825158483198113
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose TSception, a multi-scale convolutional neural network, to learn temporal dynamics and spatial asymmetry from affective electroencephalogram (EEG). TSception consists of dynamic temporal, asymmetric spatial, and high-level fusion Layers, which learn discriminative representations in the time and channel dimensions simultaneously. The dynamic temporal layer consists of multi-scale 1D convolutional kernels whose lengths are related to the sampling rate of the EEG signal, which learns its dynamic temporal and frequency representations. The asymmetric spatial layer takes advantage of the asymmetric neural activations underlying emotional responses, learning the discriminative global and hemisphere representations. The learned spatial representations will be fused by a high-level fusion layer. With robust nested cross-validation settings, the proposed method is evaluated on two publicly available datasets DEAP and AMIGOS. And the performance is compared with prior reported methods such as FBFgMDM, FBTSC, Unsupervised learning, DeepConvNet, ShallowConvNet, and EEGNet. The results indicate that the proposed method significantly (p<0.05) outperforms others in terms of classification accuracy. The proposed methods can be utilized in emotion regulation therapy for emotion recognition in the future. The source code can be found at: https://github.com/deepBrains/TSception-New
Abstract（参考訳）: 本稿では,感情脳波(EEG)から時間的ダイナミクスと空間的非対称性を学習するためのマルチスケール畳み込みニューラルネットワークTSceptionを提案する。 TSceptionは動的時間、非対称空間、高レベル融合層で構成され、時間とチャネル次元の識別表現を同時に学習する。動的時間層は、その動的時間的および周波数的表現を学習するEEG信号のサンプリングレートと長さが関連しているマルチスケールの1D畳み込みカーネルで構成されている。非対称空間層は、感情応答に基づく非対称的神経活性化を利用して、識別的大域的および半球的表現を学習する。学習された空間表現は高レベル融合層によって融合される。堅牢なネスト型クロスバリデーション設定により、提案手法は2つの公開データセットDEAPとAMIGOSで評価される。また,FBFgMDM,FBTSC,Unsupervised Learning,DeepConvNet,ShallowConvNet,EEGNetなどの先行報告手法と比較した。その結果, 提案手法は, 分類精度において, 他よりも有意に優れていた(p<0.05)。提案手法は将来,感情認識のための感情制御療法に活用できる。ソースコードは以下の通り。 https://github.com/deepBrains/TSception-New

関連論文リスト

Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks [69.2642802272367]
スパイクニューラルネットワーク(SNN)を用いた脳誘発ニューロモルフィックコンピューティングは、有望なエネルギー効率の計算手法である。最近の手法では、空間的および時間的バックプロパゲーション(BP)を利用しており、ニューロモルフィックの性質に固執していない。オンライン擬似ゼロオーダートレーニング(OPZO)を提案する。
論文参考訳（メタデータ） (2024-07-17T12:09:00Z)
Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning [51.386945803485084]
エージェントが制御する多次元決定論的ポリシーを学習する必要があるタスクに焦点をあてる。既存のスパイクベースのRL法は、SNNの出力として発火率を取り、完全に接続された層を通して連続的なアクション空間(つまり決定論的なポリシー)を表すように変換する。浮動小数点行列操作を伴わない完全にスパイクするアクターネットワークを開発するため,昆虫に見られる非スパイク介在ニューロンからインスピレーションを得た。
論文参考訳（メタデータ） (2024-01-09T07:31:34Z)
Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文参考訳（メタデータ） (2023-12-04T01:32:42Z)
Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。 MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
論文参考訳（メタデータ） (2023-09-11T02:35:22Z)
MASA-TCN: Multi-anchor Space-aware Temporal Convolutional Neural Networks for Continuous and Discrete EEG Emotion Recognition [11.882642356358883]
脳波の感情回帰と分類タスクのための新しいモデル MASA-TCN を提案する。空間認識時間層は、TNがEEG電極間の空間関係から追加的に学習することを可能にする。実験により、MASA-TCNは、脳波の感情回帰と分類タスクの両方において最先端の手法よりも高い結果が得られることが示された。
論文参考訳（メタデータ） (2023-08-30T04:49:24Z)
Motor Imagery Classification based on CNN-GRU Network with Spatio-Temporal Feature Representation [22.488536453952964]
近年、脳波(EEG)信号に様々なディープニューラルネットワークが応用されている。脳波は非侵襲的に取得できる脳信号であり、時間分解能が高い。脳波信号は高次元の分類特徴空間を持つため,性能向上には適切な特徴抽出法が必要である。
論文参考訳（メタデータ） (2021-07-15T01:05:38Z)
SFE-Net: EEG-based Emotion Recognition with Symmetrical Spatial Feature Extraction [1.8047694351309205]
脳波の特徴抽出と感情認識のための空間的折り畳みアンサンブルネットワーク(SFENet)を提案する。ヒト脳の空間対称性のメカニズムによって、入力された脳波チャンネルデータを5つの異なる対称戦略で折り畳む。このネットワークにより、異なる対称折り畳み記号の空間的特徴を同時に抽出することができ、特徴認識の堅牢性と精度を大幅に向上させる。
論文参考訳（メタデータ） (2021-04-09T12:59:38Z)
DS-Net: Dynamic Spatiotemporal Network for Video Salient Object Detection [78.04869214450963]
時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
論文参考訳（メタデータ） (2020-12-09T06:42:30Z)
Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文参考訳（メタデータ） (2020-07-07T08:22:56Z)
TSception: A Deep Learning Framework for Emotion Detection Using EEG [11.444502210936776]
脳波(EEG)からの感情検出のための深層学習フレームワークTSceptionを提案する。 TSceptionは時間と空間の畳み込み層で構成され、時間とチャネル領域における識別的表現を同時に学習する。 TSceptionは86.03%の高い分類精度を達成し、従来の手法よりも大幅に優れている。
論文参考訳（メタデータ） (2020-04-02T02:10:07Z)
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。