論文の概要: Identification of mental fatigue in language comprehension tasks based on EEG and deep learning

• arxiv url: http://arxiv.org/abs/2104.08337v1
• Date: Wed, 14 Apr 2021 14:00:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 07:30:19.619988
• Title: Identification of mental fatigue in language comprehension tasks based on EEG and deep learning
• Title（参考訳）: 脳波と深層学習に基づく言語理解課題における精神的疲労の同定
• Authors: Chunhua Ye, Zhong Yin, Chenxi Wu, Xiayidai Abulaiti, Yixing Zhang, Zhenqi Sun, and Jianhua Zhang
• Abstract要約: 本研究は,言語理解課題における疲労検出のための実験設計を提案する。 健常者15名で14チャンネルの無線脳波検出器から脳波信号を得た。 畳み込みニューラルネットワーク(CNN)の分類精度は他の分類方法よりも高い。
• 参考スコア（独自算出の注目度）: 3.4325088940742647
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental fatigue increases the risk of operator error in language comprehension tasks. In order to prevent operator performance degradation, we used EEG signals to assess the mental fatigue of operators in human-computer systems. This study presents an experimental design for fatigue detection in language comprehension tasks. We obtained EEG signals from a 14-channel wireless EEG detector in 15 healthy participants. Each participant was given a cognitive test of a language comprehension task, in the form of multiple choice questions, in which pronoun references were selected between nominal and surrogate sentences. In this paper, the 2400 EEG fragments collected are divided into three data sets according to different utilization rates, namely 1200s data set with 50% utilization rate, 1500s data set with 62.5% utilization rate, and 1800s data set with 75% utilization rate. In the aspect of feature extraction, different EEG features were extracted, including time domain features, frequency domain features and entropy features, and the effects of different features and feature combinations on classification accuracy were explored. In terms of classification, we introduced the Convolutional Neural Network (CNN) method as the preferred method, It was compared with Least Squares Support Vector Machines(LSSVM),Support Vector Machines(SVM),Logistic Regression (LR), Random Forest(RF), Naive Bayes (NB), K-Nearest Neighbor (KNN) and Decision Tree(DT).According to the results, the classification accuracy of convolutional neural network (CNN) is higher than that of other classification methods. The classification results show that the classification accuracy of 1200S dataset is higher than the other two datasets. The combination of Frequency and entropy feature and CNN has the highest classification accuracy, which is 85.34%.
• Abstract（参考訳）: 精神的疲労は言語理解タスクにおけるオペレータエラーのリスクを増加させる。 オペレーターのパフォーマンス低下を防止するために,人間-コンピュータシステムにおけるオペレーターの精神的疲労を評価するために脳波信号を用いた。 本研究は,言語理解課題における疲労検出のための実験設計を提案する。 健常者15名を対象に14チャンネル無線脳波検出器から脳波信号を得た。 各参加者は、複数の選択質問の形式で言語理解タスクの認知テストを受け、代名詞の参照を名目と代名詞の文の間で選択した。 本稿では,2400個のEEGフラグメントを,利用率の異なる3つのデータセット,すなわち,利用率50%の1200sデータセット,利用率62.5%の1500sデータセット,利用率75%の1800sデータセットに分割した。 特徴抽出の観点では,時間領域特徴,周波数領域特徴,エントロピー特徴を含む異なる脳波特徴を抽出し,その特徴と特徴の組み合わせが分類精度に及ぼす影響を検討した。 分類法として畳み込みニューラルネットワーク(convolutional neural network, cnn)法を推奨手法として導入し,畳み込みニューラルネットワーク(convolutional neural network, cnn)の分類精度が他の分類法よりも高いこと, 最小2乗支援ベクトル機械(lssvm), サポートベクター機械(svm), 統計回帰(lr), ランダムフォレスト(rf), ナイーブベイズ(nb), k-nearest neighbor(knn), 決定木(dt)と比較した。 分類の結果,1200sデータセットの分類精度は他の2つのデータセットよりも高いことがわかった。 周波数とエントロピーの特徴とCNNの組み合わせが最も高い分類精度があり、85.34%である。

関連論文リスト

• Utilizing synthetic training data for the supervised classification of rat ultrasonic vocalizations [0.0]
  ミューリンは120kHzの周波数で超音波発声(USV)を発生させる。 これらの呼び出しは社会的行動において重要であるため、その分析は声道コミュニケーションの機能とその機能に関する洞察を与えることができる。 我々は、ラットのUSVを含むオーディオにおいて、訓練された人間の2つの畳み込みニューラルネットワーク(CNN)、DeepSqueak、VocalMatの検出と分類性能を比較した。
  論文  参考訳（メタデータ） (2023-03-03T03:17:45Z)
• Automated Atrial Fibrillation Classification Based on Denoising Stacked Autoencoder and Optimized Deep Network [1.7403133838762446]
  心房細動(AFib)の発症率は世界中で増加傾向にある。 AFibのリスクを早期に検出するために,我々はディープニューラルネットワークに基づく自動検出システムを開発した。 Denoising Autoencoders (DAE) を用いて心電図信号を復調するエンド・ツー・エンドモデルを提案する。
  論文  参考訳（メタデータ） (2022-01-26T21:45:48Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
  本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。 入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
  論文  参考訳（メタデータ） (2021-09-12T19:33:34Z)
• High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
  害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。 我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。 ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-28T00:49:11Z)
• Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis [0.0]
  本稿では,多層パーセプトロンニューラルネットワークを用いて,左右の動作を識別する独自のアルゴリズムを提案する。 不要信号の干渉は、アルゴリズムの性能に影響を与える脳波信号を汚染する。
  論文  参考訳（メタデータ） (2021-07-18T18:56:28Z)
• Machine Learning Based on Natural Language Processing to Detect Cardiac Failure in Clinical Narratives [0.2936007114555107]
  この研究の目的は、患者が心不全または健康な状態を有するかどうかを自動的に検出する機械学習アルゴリズムを開発することである。 bag-of-word (BoW), term frequency inverse document frequency (TFIDF), and neural word embeddeddings (word2vec) を用いて単語表現学習を行った。 提案されたフレームワークは、ac、pre、rec、f1がそれぞれ84%、82%、85%、83%の全体的な分類性能を達成した。
  論文  参考訳（メタデータ） (2021-04-08T17:28:43Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• Unsupervised neural adaptation model based on optimal transport for spoken language identification [54.96267179988487]
  トレーニングセットとテストセット間の音響音声の統計的分布のミスマッチにより,音声言語識別(SLID)の性能が大幅に低下する可能性がある。 SLIDの分布ミスマッチ問題に対処するために,教師なしニューラル適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-24T07:37:19Z)
• 3D medical image segmentation with labeled and unlabeled data using autoencoders at the example of liver segmentation in CT images [58.720142291102135]
  本研究では、畳み込みニューラルネットワークによるセグメンテーションを改善するために、オートエンコーダ抽出機能の可能性を検討する。 コンボリューション・オートエンコーダを用いてラベルのないデータから特徴を抽出し,CT画像における3次元肝セグメンテーションの目標タスクを実行するために,マルチスケールの完全畳み込みCNNを用いた。
  論文  参考訳（メタデータ） (2020-03-17T20:20:43Z)
• Stochastic encoding of graphs in deep learning allows for complex analysis of gender classification in resting-state and task functional brain networks from the UK Biobank [0.13706331473063876]
  我々は,機能的コネクトームを性別別に分類するために,CNNのアンサンブルに符号化手法を導入する。 課題と休息状態に関わる3つの脳ネットワークとその相互作用の塩分濃度を測定した。
  論文  参考訳（メタデータ） (2020-02-25T15:10:51Z)

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。