論文の概要: MS-MDA: Multisource Marginal Distribution Adaptation for Cross-subject
and Cross-session EEG Emotion Recognition
- arxiv url: http://arxiv.org/abs/2107.07740v1
- Date: Fri, 16 Jul 2021 07:19:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 21:18:27.002085
- Title: MS-MDA: Multisource Marginal Distribution Adaptation for Cross-subject
and Cross-session EEG Emotion Recognition
- Title（参考訳）: MS-MDA:クロスオブジェクトとクロスセッション脳波の感情認識のためのマルチソース・マージナル分布適応
- Authors: Hao Chen, Ming Jin, Zhunan Li, Cunhang Fan, Jinpeng Li and Huiguang He
- Abstract要約: 脳波感情認識のためのマルチソース境界分布適応法(MS-MDA)を提案する。
まず、異なるEEGデータが同じ低レベルな特徴を共有していると仮定し、1対1のドメイン適応を採用し、ドメイン固有の特徴を抽出するために独立したブランチを構築します。
実験の結果,MS-MDAはクロスセッションおよびクロスオブジェクト転送シナリオにおいて,比較手法と最先端モデルよりも優れていた。
- 参考スコア（独自算出の注目度）: 14.065932956210336
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As an essential element for the diagnosis and rehabilitation of psychiatric
disorders, the electroencephalogram (EEG) based emotion recognition has
achieved significant progress due to its high precision and reliability.
However, one obstacle to practicality lies in the variability between subjects
and sessions. Although several studies have adopted domain adaptation (DA)
approaches to tackle this problem, most of them treat multiple EEG data from
different subjects and sessions together as a single source domain for
transfer, which either fails to satisfy the assumption of domain adaptation
that the source has a certain marginal distribution, or increases the
difficulty of adaptation. We therefore propose the multi-source marginal
distribution adaptation (MS-MDA) for EEG emotion recognition, which takes both
domain-invariant and domain-specific features into consideration. First, we
assume that different EEG data share the same low-level features, then we
construct independent branches for multiple EEG data source domains to adopt
one-to-one domain adaptation and extract domain-specific features. Finally, the
inference is made by multiple branches. We evaluate our method on SEED and
SEED-IV for recognizing three and four emotions, respectively. Experimental
results show that the MS-MDA outperforms the comparison methods and
state-of-the-art models in cross-session and cross-subject transfer scenarios
in our settings. Codes at https://github.com/VoiceBeer/MS-MDA.
- Abstract（参考訳）: 精神疾患の診断とリハビリに欠かせない要素として、脳波に基づく感情認識(EEG)は、高い精度と信頼性のために大きな進歩を遂げている。
しかし、実用性への障害の1つは、主題とセッション間のばらつきにある。
この問題を解決するためにいくつかの研究がドメイン適応(DA)アプローチを採用しているが、そのほとんどは異なる主題やセッションからの複数のEEGデータを単一のソースドメインとして扱い、ソースが一定の限界分布を持つというドメイン適応の仮定を満たさないか、適応の困難を増すかのいずれかである。
そこで我々は,脳波感情認識のためのマルチソース境界分布適応法(MS-MDA)を提案する。
まず、異なるEEGデータが同じ低レベルな特徴を共有していると仮定し、複数のEEGデータソースドメインに対して独立したブランチを構築して、1対1のドメイン適応を採用し、ドメイン固有の特徴を抽出する。
最後に、推論は複数のブランチによって行われる。
3つの感情を認識するためのseed-ivとseed-ivの評価を行った。
実験の結果,MS-MDAは,我々の設定におけるクロスセッションおよびクロスオブジェクト転送シナリオにおいて,比較手法と最先端モデルよりも優れていた。
https://github.com/VoiceBeer/MS-MDA
関連論文リスト
- Multi-Source EEG Emotion Recognition via Dynamic Contrastive Domain Adaptation [17.956642824289453]
脳波検査(EEG)は、人間の認知と精神状態の信頼性を示す。
脳波からの正確な感情認識は、個人間および測定セッション間の信号のばらつきにより依然として困難である。
ドメイン間およびクラス間の微粒な適応をモデル化するためのマルチソース動的コントラッシブドメイン適応法を提案する。
我々のモデルは、認識精度、クラス間マージン、クラス内コンパクト性において、いくつかの代替領域適応法より優れている。
論文 参考訳（メタデータ） (2024-08-04T03:51:35Z) - Geodesic Optimization for Predictive Shift Adaptation on EEG data [53.58711912565724]
ドメイン適応メソッドは、$X$と$y$で分散シフトが同時に発生したときに苦労する。
本稿では,GOPSA(Geodesic Optimization for Predictive Shift Adaptation)と呼ばれる新しい手法を提案する。
GOPSAは、脳波のバイオメディカル応用のための混合効果モデリングと機械学習を併用する可能性を持っている。
論文 参考訳（メタデータ） (2024-07-04T12:15:42Z) - Multi-source-free Domain Adaptation via Uncertainty-aware Adaptive
Distillation [8.791916654073088]
ソースフリードメイン適応(SFDA)は、データプライバシの認識のためにデータにアクセスすることなく、ドメインから取得したデータ間のドメインの不一致を軽減する。
マルチソースフリーな非教師付きドメイン適応設定のための不確実性認識適応蒸留(UAD)を提案する。
論文 参考訳（メタデータ） (2024-02-09T06:48:04Z) - Multi-Source Domain Adaptation with Transformer-based Feature Generation
for Subject-Independent EEG-based Emotion Recognition [0.5439020425819]
本稿では,複数の情報源からの情報を活用するために,トランスフォーマーベースの特徴生成器(MSDA-TF)を用いたマルチソース領域適応手法を提案する。
適応過程において、相関値に基づいてソース対象をグループ化し、ソース内だけでなく、対象対象のモーメントを各ソースと整合させることを目的としている。
MSDA-TFはSEEDデータセット上で検証され、有望な結果が得られた。
論文 参考訳（メタデータ） (2024-01-04T16:38:47Z) - Subject-Based Domain Adaptation for Facial Expression Recognition [51.10374151948157]
ディープラーニングモデルを特定の対象個人に適用することは、難しい表情認識タスクである。
本稿では、FERにおける主観的ドメイン適応のための新しいMSDA手法を提案する。
複数の情報源からの情報を効率的に利用して、ディープFERモデルを単一のターゲット個人に適応させる。
論文 参考訳（メタデータ） (2023-12-09T18:40:37Z) - Semi-Supervised Dual-Stream Self-Attentive Adversarial Graph Contrastive Learning for Cross-Subject EEG-based Emotion Recognition [19.578050094283313]
DS-AGCフレームワークは、クロスオブジェクト脳波に基づく感情認識において、限定ラベル付きデータの課題に取り組むために提案されている。
提案手法は,不完全ラベル条件の異なる既存手法よりも優れている。
論文 参考訳（メタデータ） (2023-08-13T23:54:40Z) - Source-free Domain Adaptation Requires Penalized Diversity [60.04618512479438]
ソースデータがない場合、異なるドメイン間の知識伝達に対処するために、ソースフリードメイン適応(SFDA)が導入された。
教師なしのFDAでは、多様性はソース上の1つの仮説を学習するか、共有された特徴抽出器で複数の仮説を学習することに限定される。
本稿では,異なる特徴抽出器を用いて表現多様性を促進する新しい無教師付きSFDAアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-06T00:20:19Z) - Cross-Modality Earth Mover's Distance for Visible Thermal Person
Re-Identification [82.01051164653583]
Visible thermal person re-identification (VT-ReID) は、モダリティ間の相違と同一性内変異に悩まされる。
我々は,モーダルアライメント中の個人内変動の影響を軽減することができるクロスモーダルアースモーバー距離(CM-EMD)を提案する。
論文 参考訳（メタデータ） (2022-03-03T12:26:59Z) - META: Mimicking Embedding via oThers' Aggregation for Generalizable
Person Re-identification [68.39849081353704]
Domain Generalizable (DG) Person Re-identification (ReID)は、トレーニング時に対象のドメインデータにアクセスすることなく、見えないドメインをまたいでテストすることを目的としている。
本稿では,DG ReID のための OThers' Aggregation (META) を用いた Mimicking Embedding という新しい手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T08:06:50Z) - Multi-source Domain Adaptation in the Deep Learning Era: A Systematic
Survey [53.656086832255944]
マルチソースドメイン適応(MDA)は、ラベル付きデータを複数のソースから収集できる強力な拡張である。
MDAは学術と産業の両方で注目を集めている。
論文 参考訳（メタデータ） (2020-02-26T08:07:58Z)
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。