論文の概要: Systematic Assessment of Hyperdimensional Computing for Epileptic Seizure Detection

• arxiv url: http://arxiv.org/abs/2105.00934v1
• Date: Mon, 3 May 2021 15:11:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 13:40:26.850602
• Title: Systematic Assessment of Hyperdimensional Computing for Epileptic Seizure Detection
• Title（参考訳）: Epileptic Seizure Detectionのための超次元計算のシステム評価
• Authors: Una Pale, Tomas Teijeiro, David Atienza
• Abstract要約: この研究は、てんかん発作の検出のためのHDコンピューティングフレームワークの体系的な評価を行うことである。 先程実装した2つの特徴と, てんかん発作検出におけるHDコンピューティングの新しいアプローチを検証した。
• 参考スコア（独自算出の注目度）: 4.249341912358848
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperdimensional computing is a promising novel paradigm for low-power embedded machine learning. It has been applied on different biomedical applications, and particularly on epileptic seizure detection. Unfortunately, due to differences in data preparation, segmentation, encoding strategies, and performance metrics, results are hard to compare, which makes building upon that knowledge difficult. Thus, the main goal of this work is to perform a systematic assessment of the HD computing framework for the detection of epileptic seizures, comparing different feature approaches mapped to HD vectors. More precisely, we test two previously implemented features as well as several novel approaches with HD computing on epileptic seizure detection. We evaluate them in a comparable way, i.e., with the same preprocessing setup, and with the identical performance measures. We use two different datasets in order to assess the generalizability of our conclusions. The systematic assessment involved three primary aspects relevant for potential wearable implementations: 1) detection performance, 2) memory requirements, and 3) computational complexity. Our analysis shows a significant difference in detection performance between approaches, but also that the ones with the highest performance might not be ideal for wearable applications due to their high memory or computational requirements. Furthermore, we evaluate a post-processing strategy to adjust the predictions to the dynamics of epileptic seizures, showing that performance is significantly improved in all the approaches and also that after post-processing, differences in performance are much smaller between approaches.
• Abstract（参考訳）: 超次元コンピューティングは低消費電力組み込み機械学習のための有望な新しいパラダイムである。 様々な生物医学的応用、特にてんかん発作の検出に応用されている。 残念なことに、データ準備、セグメンテーション、エンコーディング戦略、パフォーマンスメトリクスの違いのため、結果の比較が難しいため、その知識に基づいて構築することが困難になる。 したがって,本研究の主な目的は,HDベクトルにマッピングされた特徴量を比較することで,てんかん発作検出のためのHDコンピューティングフレームワークを体系的に評価することである。 より正確には、先程実装された2つの機能と、てんかん発作検出のためのHDコンピューティングに関するいくつかの新しいアプローチをテストする。 我々はこれらを同等に評価し、すなわち、同じ前処理設定で、同じ性能測定で評価する。 結論の一般化性を評価するために、2つの異なるデータセットを使用する。 システム評価には,1) 検出性能,2) メモリ要件,3) 計算複雑性の3つの主要な側面が関係している。 分析の結果,手法間の検出性能は有意な差を示したが,高いメモリや計算量を必要とするため,最も性能の高いものはウェアラブルアプリケーションにとって理想的ではない可能性がある。 さらに,てんかん発作のダイナミックスに予測を適応させるポストプロセッシング戦略を評価し,全てのアプローチにおいて性能が著しく改善され,また後処理では,アプローチ間の性能差がはるかに小さいことを示す。

関連論文リスト

• Exploring End-to-end Differentiable Neural Charged Particle Tracking -- A Loss Landscape Perspective [0.0]
  粒子追跡のためのE2E差分型決定型学習手法を提案する。 離散的な代入操作の微分可能なバリエーションは、効率的なネットワーク最適化を可能にすることを示す。 E2Eの微分性は、勾配情報の一般利用に加えて、予測不安定性を緩和するロバスト粒子追跡のための重要なツールである、と我々は主張する。
  論文  参考訳（メタデータ） (2024-07-18T11:42:58Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
  本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。 認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。 我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-07-14T03:15:56Z)
• Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
  グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。 UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
  論文  参考訳（メタデータ） (2022-06-21T01:46:38Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Exploration of Hyperdimensional Computing Strategies for Enhanced Learning on Epileptic Seizure Detection [4.538319875483978]
  てんかん発作の監視と予測は、患者の生活の質を著しく向上させる可能性がある。 標準HDコンピューティングは、他の最先端アルゴリズムのレベルでは機能していない。 本稿では,異なる学習戦略を実装し,その性能を個別に評価する。
  論文  参考訳（メタデータ） (2022-01-24T15:48:33Z)
• Classification of anomalous gait using Machine Learning techniques and embedded sensors [0.0]
  従来の臨床インフラを整備し、人間の歩行検査を行えるようにするために、高い投資が求められていることが知られている。 本研究は、3D加速度計と3Dジャイロスコープ測定を取得するために、ウェアラブルデバイスで構成されるアクセス可能で現代的なソリューションを提案する。
  論文  参考訳（メタデータ） (2021-10-08T21:58:00Z)
• SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
  Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。 具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。 さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
  論文  参考訳（メタデータ） (2021-04-06T13:12:51Z)
• Active Importance Sampling for Variational Objectives Dominated by Rare Events: Consequences for Optimization and Generalization [12.617078020344618]
  本稿では,レアイベントサンプリング手法とニューラルネットワーク最適化を組み合わせて,レアイベントに支配される目的関数を最適化する手法を提案する。 重要度サンプリングは学習問題に対する解の分散を減少させ,一般化の利点を示唆することを示す。 数値実験により,高次元データと希少データの複合化が困難である場合でも,学習を成功させることができた。
  論文  参考訳（メタデータ） (2020-08-11T23:38:09Z)
• End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
  本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。 統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。 機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
  論文  参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。