論文の概要: A channel attention based MLP-Mixer network for motor imagery decoding with EEG

• arxiv url: http://arxiv.org/abs/2110.10939v1
• Date: Thu, 21 Oct 2021 07:21:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 14:34:11.945483
• Title: A channel attention based MLP-Mixer network for motor imagery decoding with EEG
• Title（参考訳）: 脳波を用いた運動画像復号のためのチャネルアテンションに基づくMLP-Mixerネットワーク
• Authors: Yanbin He, Zhiyang Lu, Jun Wang, Jun Shi
• Abstract要約: CNNとその変異体は脳波(EEG)ベースの運動画像(MI)デコードタスクにうまく応用されている。 このような問題に対処するため,脳波を用いたMIデコーディングにおいて,新しいチャネルアテンションベースミキサネットワーク(CAMLP-Net)を提案する。
• 参考スコア（独自算出の注目度）: 9.41450903202306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Convolutional neural networks (CNNs) and their variants have been successfully applied to the electroencephalogram (EEG) based motor imagery (MI) decoding task. However, these CNN-based algorithms generally have limitations in perceiving global temporal dependencies of EEG signals. Besides, they also ignore the diverse contributions of different EEG channels to the classification task. To address such issues, a novel channel attention based MLP-Mixer network (CAMLP-Net) is proposed for EEG-based MI decoding. Specifically, the MLP-based architecture is applied in this network to capture the temporal and spatial information. The attention mechanism is further embedded into MLP-Mixer to adaptively exploit the importance of different EEG channels. Therefore, the proposed CAMLP-Net can effectively learn more global temporal and spatial information. The experimental results on the newly built MI-2 dataset indicate that our proposed CAMLP-Net achieves superior classification performance over all the compared algorithms.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)とその変異体は脳波(EEG)に基づく運動画像(MI)デコードタスクにうまく適用されている。 しかし、これらのcnnベースのアルゴリズムは一般に脳波信号のグローバルな時間的依存性を知覚する限界を持っている。 さらに、分類タスクに対する異なるEEGチャネルの多様な貢献も無視する。 このような問題に対処するため,脳波を用いたMIデコーディングにおいて,新しいチャネルアテンションベースのMLP-Mixerネットワーク(CAMLP-Net)を提案する。 具体的には、このネットワークにMLPベースのアーキテクチャを適用し、時間的および空間的情報をキャプチャする。 注意機構は、異なるEEGチャネルの重要性を適応的に活用するために、MLP-Mixerにさらに組み込まれている。 そこで提案したCAMLP-Netは,よりグローバルな時間的・空間的な情報を効果的に学習することができる。 新たに構築したmi-2データセットにおける実験結果から,提案するcamlp-netは,比較したアルゴリズムの分類性能に優れることがわかった。

関連論文リスト

• Multiscale fusion enhanced spiking neural network for invasive BCI neural signal decoding [13.108613110379961]
  本稿では,MFSNN(Multiscale Fusion Spiking Neural Network)を用いた新しいアプローチを提案する。 MFSNNは、人間の視覚知覚に見られる並列処理とマルチスケール機能融合をエミュレートし、リアルタイム、効率的、エネルギーを節約する神経信号復号を可能にする。 MFSNNは、GRUなどの従来のニューラルネットワーク手法を精度と計算効率の両方で超越している。
  論文  参考訳（メタデータ） (2024-09-14T09:53:30Z)
• MixNet: Joining Force of Classical and Modern Approaches Toward the Comprehensive Pipeline in Motor Imagery EEG Classification [12.227138730377503]
  MixNetは、MIデータからのスペクトル空間信号を利用して制限を克服するために設計された新しい分類フレームワークである。 適応的な勾配ブレンディングを実装し、複数の損失重みを同時に調整し、その一般化/過度化傾向に基づいて各タスクの学習速度を調整する。 結果は、MixNetが主観的および非依存的な設定において、すべての最先端のアルゴリズムを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2024-09-06T08:14:58Z)
• Feature Reweighting for EEG-based Motor Imagery Classification [19.60277407367574]
  畳み込みニューラルネットワーク(CNN)に基づく手法はMI-EEG分類に広く利用されている。 MI-EEG信号分類のためのニューラルネットワークのトレーニングの課題は、低信号対雑音比、非定常性、非線形性、EEG信号の複雑さである。 この問題に対処するために、新しい特徴の再重み付け手法が提案されている。
  論文  参考訳（メタデータ） (2023-07-29T14:22:10Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• LMDA-Net:A lightweight multi-dimensional attention network for general EEG-based brain-computer interface paradigms and interpretability [2.3945862743903916]
  LMDA-Netと呼ばれる,軽量な多次元アテンションネットワークを提案する。 EEG信号用に設計された2つの新しいアテンションモジュールを組み込むことで、LMDA-Netは複数の次元の特徴を効果的に統合できる。 LMDA-Netは、分類精度とボラティリティの予測の観点から、他の代表的手法よりも優れている。
  論文  参考訳（メタデータ） (2023-03-29T02:35:02Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)
• Tensor-CSPNet: A Novel Geometric Deep Learning Framework for Motor Imagery Classification [14.95694356964053]
  対称正定値(SPD)上での脳波信号を特徴付ける幾何学的深層学習フレームワークCSPNetを提案する。 CSPNetは、2つのMI-EEGデータセットのクロスバリデーションとホールドアウトシナリオにおいて、現在の最先端のパフォーマンスを達成またはわずかに上回る。
  論文  参考訳（メタデータ） (2022-02-05T02:52:23Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• End-to-end learnable EEG channel selection with deep neural networks [72.21556656008156]
  本稿では,脳波チャネル選択をニューラルネットワーク自体に組み込む枠組みを提案する。 我々は、離散チャネル選択パラメータの連続緩和を用いて、この新しい最適化問題の離散的性質を扱う。 この一般的なアプローチは、2つの異なるEEGタスクで評価される。
  論文  参考訳（メタデータ） (2021-02-11T13:44:07Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)
• Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
  機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。 このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。 提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-14T06:58:27Z)

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。