論文の概要: Functional connectivity ensemble method to enhance BCI performance
(FUCONE)
- arxiv url: http://arxiv.org/abs/2111.03122v1
- Date: Thu, 4 Nov 2021 19:40:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-08 16:13:22.407351
- Title: Functional connectivity ensemble method to enhance BCI performance
(FUCONE)
- Title(参考訳): BCI性能向上のための機能接続アンサンブル法(FUCONE)
- Authors: Marie-Constance Corsi, Sylvain Chevallier, Fabrizio De Vico Fallani
and Florian Yger
- Abstract要約: 本稿では,機能的接続推定器と共分散に基づくパイプラインを組み合わせて精神状態の分類を行う新しいフレームワークを提案する。
機能接続推定器の徹底的な評価を行い、FUCONEと呼ばれる最高の実行パイプラインを異なる条件で評価する。
- 参考スコア(独自算出の注目度): 3.510884437562011
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Functional connectivity is a key approach to investigate oscillatory
activities of the brain that provides important insights on the underlying
dynamic of neuronal interactions and that is mostly applied for brain activity
analysis. Building on the advances in information geometry for brain-computer
interface, we propose a novel framework that combines functional connectivity
estimators and covariance-based pipelines to classify mental states, such as
motor imagery. A Riemannian classifier is trained for each estimator and an
ensemble classifier combines the decisions in each feature space. A thorough
assessment of the functional connectivity estimators is provided and the best
performing pipeline, called FUCONE, is evaluated on different conditions and
datasets. Using a meta-analysis to aggregate results across datasets, FUCONE
performed significantly better than all state-of-the-art methods. The
performance gain is mostly imputable to the improved diversity of the feature
spaces, increasing the robustness of the ensemble classifier with respect to
the inter- and intra-subject variability.
- Abstract(参考訳): 機能的接続は、脳の振動活動を研究するための重要なアプローチであり、脳の活動分析に主に応用される神経相互作用の基礎となるダイナミクスに関する重要な洞察を提供する。
脳-コンピュータインタフェースにおける情報幾何学の進歩を基盤として,機能的接続推定器と共分散型パイプラインを組み合わせて,運動画像などの精神状態の分類を行う新しい枠組みを提案する。
リーマン分類器は各推定器に対して訓練され、アンサンブル分類器は各特徴空間における決定を組み合わせる。
機能接続推定器の徹底的な評価を行い、FUCONEと呼ばれる最高の実行パイプラインを異なる条件とデータセットで評価する。
FUCONEは、メタデータ分析を使用してデータセットを集約し、すべての最先端メソッドよりも大幅にパフォーマンスが向上した。
性能向上は,特徴空間の多様性向上にほぼ影響し,サブジェクト間およびイントラサブジェクト変動に対するアンサンブル分類器のロバスト性を高める。
関連論文リスト
- Brain Diffuser with Hierarchical Transformer for MCI Causality Analysis [12.679877015785937]
軽度認知障害 (MCI) 解析に有効な接続性を推定するために, 階層型トランスフォーマー (BDHT) を用いた脳ディフューザを提案する。
提案した脳拡散器は,マルチモーダル脳ネットワークの生成と解析に拡散モデルを適用した最初の生成モデルである。
論文 参考訳(メタデータ) (2023-12-14T15:12:00Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - FAStEN: an efficient adaptive method for feature selection and
estimation in high-dimensional functional regressions [8.384075654211685]
本稿では,スパース関数オン・ファンクション回帰問題において特徴選択を行うための,新しい,柔軟な,超効率的なアプローチを提案する。
我々はそれをスカラー・オン・ファンクション・フレームワークに拡張する方法を示す。
AOMIC PIOP1による脳MRIデータへの応用について述べる。
論文 参考訳(メタデータ) (2023-03-26T19:41:17Z) - Offline Reinforcement Learning with Differentiable Function
Approximation is Provably Efficient [65.08966446962845]
歴史的データを用いて意思決定戦略を最適化することを目的としたオフライン強化学習は、現実の応用に広く適用されている。
微分関数クラス近似(DFA)を用いたオフライン強化学習の検討から一歩踏み出した。
最も重要なことは、悲観的な適合Q-ラーニングアルゴリズムを解析することにより、オフライン微分関数近似が有効であることを示すことである。
論文 参考訳(メタデータ) (2022-10-03T07:59:42Z) - Unified Embeddings of Structural and Functional Connectome via a
Function-Constrained Structural Graph Variational Auto-Encoder [2.8719792727222364]
機能的および構造的コネクトームからの情報を教師なし方式で組み込むことができる関数制約構造グラフ変分自動エンコーダを提案する。
これは、異なる主題を比較するための統一された空間座標系を確立するための、結合した低次元埋め込みにつながる。
論文 参考訳(メタデータ) (2022-07-05T21:39:13Z) - Improving Phenotype Prediction using Long-Range Spatio-Temporal Dynamics
of Functional Connectivity [9.015698823470899]
空間と時間にまたがる機能的脳結合をモデル化するためのアプローチを提案する。
我々は、性別分類とインテリジェンス予測にヒューマン・コネクトーム・プロジェクト(Human Connectome Project)データセットを使用する。
その結果、性別の予測精度は94.4%、流体インテリジェンス(0.325対0.144)との相関は、空間と時間を別々に符号化するベースラインモデルと比較して改善された。
論文 参考訳(メタデータ) (2021-09-07T14:23:34Z) - Shared Space Transfer Learning for analyzing multi-site fMRI data [83.41324371491774]
マルチボクセルパターン解析(MVPA)は、タスクベース機能磁気共鳴画像(fMRI)データから予測モデルを学習する。
MVPAはよく設計された機能セットと十分なサンプルサイズで機能する。
ほとんどのfMRIデータセットはノイズが多く、高次元で、収集するのに高価で、サンプルサイズも小さい。
本稿では,新しい伝達学習手法として共有空間移動学習(SSTL)を提案する。
論文 参考訳(メタデータ) (2020-10-24T08:50:26Z) - UNIPoint: Universally Approximating Point Processes Intensities [125.08205865536577]
学習可能な関数のクラスが任意の有効な強度関数を普遍的に近似できることを示す。
ニューラルポイントプロセスモデルであるUNIPointを実装し,各イベントの基底関数の和をパラメータ化するために,リカレントニューラルネットワークを用いた。
論文 参考訳(メタデータ) (2020-07-28T09:31:56Z) - Dynamic Federated Learning [57.14673504239551]
フェデレートラーニング(Federated Learning)は、マルチエージェント環境における集中的なコーディネーション戦略の包括的用語として登場した。
我々は、各イテレーションにおいて、利用可能なエージェントのランダムなサブセットがそのデータに基づいてローカル更新を実行する、フェデレートされた学習モデルを考える。
集約最適化問題に対する真の最小化器上の非定常ランダムウォークモデルの下で、アーキテクチャの性能は、各エージェントにおけるデータ変動率、各エージェントにおけるモデル変動率、アルゴリズムの学習率に逆比例する追跡項の3つの要因によって決定されることを示す。
論文 参考訳(メタデータ) (2020-02-20T15:00:54Z) - Supervised Hyperalignment for multi-subject fMRI data alignment [81.8694682249097]
本稿では,MVP解析における機能的アライメントを改善するために,SHA(Supervised Hyperalignment)手法を提案する。
マルチオブジェクトデータセットの実験では、SHA法は最大19%の性能がマルチクラス問題に対して達成されている。
論文 参考訳(メタデータ) (2020-01-09T09:17:49Z)
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。