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

• Augmented Functional Random Forests: Classifier Construction and Unbiased Functional Principal Components Importance through Ad-Hoc Conditional Permutations [0.0]
  本稿では,木に基づく手法と関数型データ解析を統合した新しい教師付き分類手法を提案する。 機能的分類木と機能的ランダム林の拡張版を提案し,機能的主成分の重要性を評価するための新しいツールを取り入れた。
  論文  参考訳（メタデータ） (2024-08-23T15:58:41Z)
• Bayesian Functional Connectivity and Graph Convolutional Network for Working Memory Load Classification [0.0]
  本研究では,センサ空間における脳波の機能的接続を学習するためのベイズ構造学習アルゴリズムを提案する。 その結果,6種類の言語作業記憶負荷の被験者154名に対して対象内(対象別)分類を行ったところ,96%の判定精度が得られた。 また,αバンドとthetaバンドの分類精度はβバンドよりも良好であった。
  論文  参考訳（メタデータ） (2024-04-30T11:31:07Z)
• FAStEN: An Efficient Adaptive Method for Feature Selection and Estimation in High-Dimensional Functional Regressions [7.674715791336311]
  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)
• 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)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)
• 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。