論文の概要: Using Single-Trial Representational Similarity Analysis with EEG to
track semantic similarity in emotional word processing
- arxiv url: http://arxiv.org/abs/2110.03529v1
- Date: Mon, 4 Oct 2021 17:17:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-09 14:48:03.882378
- Title: Using Single-Trial Representational Similarity Analysis with EEG to
track semantic similarity in emotional word processing
- Title(参考訳): 脳波を用いた感情的単語処理における意味的類似性の追跡
- Authors: Feng Cheng
- Abstract要約: この論文は、表現類似性分析(RSA)を単一の脳波データセットに適用する。
脳波データセットに対する単一審理RSAの有効性について検討したい。
また、感情的な単語処理における意味的意味の役割についても検討したい。
- 参考スコア(独自算出の注目度): 2.66512000865131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electroencephalography (EEG) is a powerful non-invasive brain imaging
technique with a high temporal resolution that has seen extensive use across
multiple areas of cognitive science research. This thesis adapts
representational similarity analysis (RSA) to single-trial EEG datasets and
introduces its principles to EEG researchers unfamiliar with multivariate
analyses. We have two separate aims: 1. we want to explore the effectiveness of
single-trial RSA on EEG datasets; 2. we want to utilize single-trial RSA and
computational semantic models to investigate the role of semantic meaning in
emotional word processing. We report two primary findings: 1. single-trial RSA
on EEG datasets can produce meaningful and interpretable results given a high
number of trials and subjects; 2. single-trial RSA reveals that emotional
processing in the 500-800ms time window is associated with additional semantic
analysis.
- Abstract(参考訳): 脳波(EEG)は、高時間分解能の強力な非侵襲脳イメージング技術であり、認知科学研究の様々な領域で広く利用されている。
この論文は、表現的類似性分析(RSA)を単一の脳波データセットに適用し、その原理を多変量解析に精通していない脳波研究者に導入する。
2つの目的があります
1. 脳波データセットに対する単検体RSAの有効性について検討する。
2) 情緒的単語処理における意味的意味論の役割を考察するために, 単審理RSAと計算意味論モデルを利用したい。
2つの主要な発見を報告します
1. 単一の脳波データセット上のRSAは、多量の臨床試験及び主題から有意義かつ解釈可能な結果を得ることができる。
2. 単検体RSAは500~800msの時間窓における情動処理が追加の意味解析と関連していることを明らかにした。
関連論文リスト
- fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳(メタデータ) (2022-10-23T15:11:37Z) - Weight-based Channel-model Matrix Framework: a reasonable solution for
EEG-based cross-dataset emotion recognition [9.357394679801931]
クロスデータセットの感情認識は、脳波ベースの感情コンピューティングの分野で非常に難しい課題である。
脳波情報(個人、セッション、感情、試行)が感情認識に与える影響をまず分析した。
We proposed the Weight-based Channel-model Matrix Framework (WCMF)
論文 参考訳(メタデータ) (2022-09-13T09:51:33Z) - EEG2Vec: Learning Affective EEG Representations via Variational
Autoencoders [27.3162026528455]
我々は、感情的な刺激に反応して、潜在ベクトル空間におけるニューラルデータを表現することが、両方の感情状態を予測するのに役立つかどうかを考察する。
脳波データから生成的識別的表現を学習するための条件付き変分オートエンコーダベースのフレームワークであるEEG2Vecを提案する。
論文 参考訳(メタデータ) (2022-07-16T19:25:29Z) - Emotion Estimation from EEG -- A Dual Deep Learning Approach Combined
with Saliency [2.555313870523154]
本稿では,コンピュータビジョンに特化した新しい深層学習(DL)モデルと,専門家が定義する生理的知識を考慮した2つの手法を提案する。
グローバルなアプローチを示すため、このモデルは4つの公開データセットで評価され、最先端のアプローチと同じような結果が得られる。
論文 参考訳(メタデータ) (2022-01-11T11:38:36Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳(メタデータ) (2021-07-20T07:04:52Z) - Subject Independent Emotion Recognition using EEG Signals Employing
Attention Driven Neural Networks [2.76240219662896]
主観非依存の感情認識が可能な新しいディープラーニングフレームワークを提案する。
タスクを実行するために、アテンションフレームワークを備えた畳み込みニューラルネットワーク(CNN)を提示する。
提案手法は、公開データセットを使用して検証されている。
論文 参考訳(メタデータ) (2021-06-07T09:41:15Z) - Multiscale Fractal Analysis on EEG Signals for Music-Induced Emotion
Recognition [34.726185927120355]
我々はマルチフラクタル解析を用いて、変動の有無や主要な周波数帯域に沿った断片化の程度の観点から、脳波信号の挙動を調べる。
感情関連特徴を抽出するために,マルチスケールフラクタル次元とマルチフラクタル遅延ゆらぎ解析に基づく2つの新しいアルゴリズムを用いて脳波解析を行う。
論文 参考訳(メタデータ) (2020-10-30T15:01:05Z) - Deep Representational Similarity Learning for analyzing neural
signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。
DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文 参考訳(メタデータ) (2020-09-28T18:30:14Z) - 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) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。