Fugu-MT 論文翻訳(概要): Interpretable SincNet-based Deep Learning for Emotion Recognition from EEG brain activity

論文の概要: Interpretable SincNet-based Deep Learning for Emotion Recognition from EEG brain activity

arxiv url: http://arxiv.org/abs/2107.10790v1
Date: Sun, 18 Jul 2021 14:44:53 GMT
ステータス: 処理完了
システム内更新日: 2021-07-24 01:33:37.602385
Title: Interpretable SincNet-based Deep Learning for Emotion Recognition from EEG brain activity
Title（参考訳）: 解釈可能なsincnetベースのディープラーニングによる脳波脳活動からの感情認識
Authors: Juan Manuel Mayor-Torres, Mirco Ravanelli, Sara E. Medina-DeVilliers, Matthew D. Lerner and Giuseppe Riccardi
Abstract要約: SincNetは、カスタマイズされたバンドパスフィルタを効率的に学習する畳み込みニューラルネットワークである。本研究では、SincNetを用いて自閉症スペクトラム障害(ASD)患者の神経活動を分析する。 ASD患者に多く見られる高利得(9-13Hz)と高利得(13-30Hz)の帯域抑制を自動的に学習することを発見した。
参考スコア（独自算出の注目度）: 13.375254690028225
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Machine learning methods, such as deep learning, show promising results in the medical domain. However, the lack of interpretability of these algorithms may hinder their applicability to medical decision support systems. This paper studies an interpretable deep learning technique, called SincNet. SincNet is a convolutional neural network that efficiently learns customized band-pass filters through trainable sinc-functions. In this study, we use SincNet to analyze the neural activity of individuals with Autism Spectrum Disorder (ASD), who experience characteristic differences in neural oscillatory activity. In particular, we propose a novel SincNet-based neural network for detecting emotions in ASD patients using EEG signals. The learned filters can be easily inspected to detect which part of the EEG spectrum is used for predicting emotions. We found that our system automatically learns the high-$\alpha$ (9-13 Hz) and $\beta$ (13-30 Hz) band suppression often present in individuals with ASD. This result is consistent with recent neuroscience studies on emotion recognition, which found an association between these band suppressions and the behavioral deficits observed in individuals with ASD. The improved interpretability of SincNet is achieved without sacrificing performance in emotion recognition.
Abstract（参考訳）: ディープラーニングのような機械学習手法は、医療領域において有望な結果を示す。しかし、これらのアルゴリズムの解釈可能性の欠如は、医療的意思決定支援システムの適用を阻害する可能性がある。本稿では,SincNetと呼ばれる解釈可能な深層学習手法について検討する。 SincNetは、トレーニング可能なシンク関数を通じて、カスタマイズされたバンドパスフィルタを効率的に学習する畳み込みニューラルネットワークである。本研究では、SincNetを用いて自閉症スペクトラム障害(ASD)患者の神経活動を分析し、神経振動活動の特徴的差異を経験する。特に,脳波信号を用いたASD患者の感情を検出する新しいSincNetベースのニューラルネットワークを提案する。学習したフィルタは容易に検査でき、脳波スペクトルのどの部分が感情予測に使われているかを検出することができる。当社のシステムは, ASD患者によく見られる高額な$\alpha$ (9-13 Hz) と$\beta$ (13-30 Hz) の帯域抑制を自動的に学習することがわかった。この結果は感情認識に関する最近の神経科学研究と一致しており、これらのバンド抑圧とasd患者の行動障害との関連性を見出した。 SincNetの解釈性の向上は、感情認識の性能を犠牲にすることなく達成される。

関連論文リスト

Adapting the Biological SSVEP Response to Artificial Neural Networks [5.4712259563296755]
本稿では,神経科学の手法である周波数タギングに触発されたニューロン重要度評価に対する新しいアプローチを提案する。画像分類のための畳み込みニューラルネットワークを用いて行った実験では、パートベースの周波数タギングの下でのニューロン特異的応答における顕著な調和と相互変調が明らかにされた。提案手法は,ネットワークプルーニングやモデル解釈可能性などの応用を約束し,説明可能な人工知能の進歩に寄与する。
論文参考訳（メタデータ） (2024-11-15T10:02:48Z)
Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文参考訳（メタデータ） (2024-09-17T04:48:45Z)
A Convolutional Spiking Network for Gesture Recognition in Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文参考訳（メタデータ） (2023-04-21T16:23:40Z)
Surrogate Gradient Spiking Neural Networks as Encoders for Large Vocabulary Continuous Speech Recognition [91.39701446828144]
スパイクニューラルネットワークは, 代理勾配法を用いて, 通常のリカレントニューラルネットワークのように訓練可能であることを示す。彼らは音声コマンド認識タスクについて有望な結果を示した。繰り返し発生する非スパイキングとは対照的に、ゲートを使わずに爆発する勾配問題に対して堅牢性を示す。
論文参考訳（メタデータ） (2022-12-01T12:36:26Z)
Human Emotion Classification based on EEG Signals Using Recurrent Neural Network And KNN [0.0]
脳波データからの感情分類が最近注目されている。脳波信号は脳-コンピュータインタフェースにとって重要なリソースである。チャネル選択前処理により, 善, 中, 負の感情に関連する脳波信号が同定された。
論文参考訳（メタデータ） (2022-05-10T16:20:14Z)
Evaluation of Interpretability for Deep Learning algorithms in EEG Emotion Recognition: A case study in Autism [4.752074022068791]
説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
論文参考訳（メタデータ） (2021-11-25T18:28:29Z)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
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)
Artificial Neural Variability for Deep Learning: On Overfitting, Noise Memorization, and Catastrophic Forgetting [135.0863818867184]
人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。 ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
論文参考訳（メタデータ） (2020-11-12T06:06:33Z)
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)
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)

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。