論文の概要: Multi-Armed Bandits in Brain-Computer Interfaces
- arxiv url: http://arxiv.org/abs/2205.09584v1
- Date: Thu, 19 May 2022 14:24:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-20 21:45:08.617184
- Title: Multi-Armed Bandits in Brain-Computer Interfaces
- Title(参考訳): 脳-コンピュータインタフェースにおけるマルチアーマッドバンド
- Authors: Frida Heskebeck, Carolina Bergeling, Bo Bernhardsson
- Abstract要約: このレビューには、MAB問題と標準解法、およびBCIシステムに関する解釈の背景が含まれている。
それはBCIにおけるMABの最先端の概念と将来の研究への提案を含んでいる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The multi-armed bandit (MAB) problem models a decision-maker that optimizes
its actions based on current and acquired new knowledge to maximize its reward.
This type of online decision is prominent in many procedures of Brain-Computer
Interfaces (BCIs) and MAB has previously been used to investigate, e.g., what
mental commands to use to optimize BCI performance. However, MAB optimization
in the context of BCI is still relatively unexplored, even though it has the
potential to improve BCI performance during both calibration and real-time
implementation. Therefore, this review aims to further introduce MABs to the
BCI community. The review includes a background on MAB problems and standard
solution methods, and interpretations related to BCI systems. Moreover, it
includes state-of-the-art concepts of MAB in BCI and suggestions for future
research.
- Abstract(参考訳): マルチアームバンディット(MAB)問題は、現在の知識に基づいて行動の最適化を行い、報酬を最大化する。
この種のオンライン決定は、BCI(Brain-Computer Interfaces)の多くの手順で顕著であり、MABは以前、BCIのパフォーマンスを最適化するためにどんなメンタルコマンドを使用するかを調べるために用いられてきた。
しかし、キャリブレーションとリアルタイム実装の両方において、BCI性能を改善する可能性があるにもかかわらず、BCIの文脈でのMAB最適化はいまだに未定である。
そこで本稿では,MABをBCIコミュニティにさらに導入することを目的としている。
このレビューには、MAB問題と標準解法、およびBCIシステムに関する解釈の背景が含まれている。
さらに、bciにおけるmabの最先端の概念や今後の研究の提案も含まれている。
関連論文リスト
- Reinforced In-Context Black-Box Optimization [67.02295929937829]
RIBBOは、オフラインデータからエンドツーエンドでBBOアルゴリズムを強化学習する手法である。
RIBBOは、複数の動作アルゴリズムとタスクによって生成された最適化履歴を学習するために、表現的なシーケンスモデルを使用している。
提案手法の中心となるのは,履歴の累積的後悔に基づくアルゴリズムの性能を表現するために,後悔から後悔へのトークンで最適化履歴を増大させることである。
論文 参考訳(メタデータ) (2024-02-27T11:32:14Z) - Large Language Models to Enhance Bayesian Optimization [57.474613739645605]
本稿では,大規模言語モデル(LLM)の能力をベイズ最適化に組み込む新しいアプローチであるLLAMBOを提案する。
高いレベルでは、自然言語のBO問題を枠組み化し、LLMが歴史的評価に照らした有望な解を反復的に提案し、評価することを可能にする。
以上の結果から,LLAMBOはゼロショットウォームスタートに有効であり,サロゲートモデリングや候補サンプリングの促進,特に観察が不十分な場合の探索の初期段階において有効であることが示唆された。
論文 参考訳(メタデータ) (2024-02-06T11:44:06Z) - Provably Efficient UCB-type Algorithms For Learning Predictive State
Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である
本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。
PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文 参考訳(メタデータ) (2023-07-01T18:35:21Z) - Optimal Solutions for Joint Beamforming and Antenna Selection: From
Branch and Bound to Machine Learning [47.10315221141495]
本研究は、不完全なチャネル状態情報(CSI)の下で、継手ビームフォーミング(BF)とアンテナ選択(AS)の問題およびロバストビームフォーミング(RBF)バージョンを再検討する。
この研究の主な貢献は3つある。まず、関心事の問題を解決する効果的な分岐と境界(B&B)フレームワークを提案する。
第二に、潜在的にコストのかかるB&Bアルゴリズムを高速化するために、B&B検索ツリーの中間状態を省略する機械学習(ML)ベースのスキームが提案されている。
論文 参考訳(メタデータ) (2022-06-11T17:43:02Z) - Integrate Lattice-Free MMI into End-to-End Speech Recognition [87.01137882072322]
音声認識(ASR)研究において、識別基準はDNN-HMMシステムにおいて優れた性能を達成している。
このモチベーションにより、差別的基準の採用は、エンドツーエンド(E2E)のASRシステムの性能を高めることを約束している。
これまでの研究は、最小ベイズリスク(MBR、差別基準の一つ)をE2E ASRシステムに導入してきた。
本研究では,他の広く使われている識別基準であるLF-MMIをE2Eに統合する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-03-29T14:32:46Z) - Learning to Optimize Resource Assignment for Task Offloading in Mobile
Edge Computing [35.69975917554333]
深層学習(DL)を適用した知的BnB(IBnB)アプローチを提案し,BnBアプローチの刈り取り戦略を学習する。
この学習手法を用いることで、BnBアプローチの構造は、ほぼ最適性能を保証し、DLベースのプルーニング戦略は複雑さを著しく低減する。
論文 参考訳(メタデータ) (2022-03-15T10:17:29Z) - Minimizing subject-dependent calibration for BCI with Riemannian
transfer learning [0.8399688944263843]
異なる被験者から記録されたデータに基づいて分類器を訓練し、良好な性能を保ちながら校正を減らそうとする手法を提案する。
このアプローチの堅牢性を示すために,3つのBCIパラダイムに対して,複数のデータセットのメタ分析を行った。
論文 参考訳(メタデータ) (2021-11-23T18:37:58Z) - Value-Function-based Sequential Minimization for Bi-level Optimization [52.39882976848064]
勾配に基づくBi-Level Optimization (BLO)法は、現代の学習課題に広く応用されている。
機能的制約のあるBLOや悲観的なBLOなど、難解なシナリオでBLOを解くことができる勾配ベースの方法はほとんどない。
上記の問題に対処するために,BVFSM(Bi-level Value-Function-based Sequential Minimization)を提案する。
論文 参考訳(メタデータ) (2021-10-11T03:13:39Z) - An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels
and Restaurants [12.641474799416772]
Batアルゴリズム(BA)は、Swarmインテリジェンスファミリーのメタヒューリスティックアルゴリズムの一般的な例である。
本稿では,コンバージェンスを高速化し,大規模アプリケーションでより実用的な手法を実現するため,オリジナルのBAの改良を行った。
改造BAはホテルやレストランの実際のジョブスケジューリング問題を解決するために適用された。
論文 参考訳(メタデータ) (2021-07-25T09:46:52Z) - Improving the filtering of Branch-And-Bound MDD solver (extended) [11.728147523456702]
本稿では,多値決定図(MDD)に基づく制約最適化解法の効率向上のための2つのプルーニング手法を提案し,評価する。
Bergmanらによって提案されたブランチ・アンド・バウンド・フレームワークを採用している。
2016年、動的プログラムを最適に解く。
論文 参考訳(メタデータ) (2021-04-24T13:42:42Z) - MIN2Net: End-to-End Multi-Task Learning for Subject-Independent Motor
Imagery EEG Classification [10.773708402778025]
脳波のリズムは被験者に特有のものであり、時間とともに様々な変化が起こる。
本稿では,この課題に対処するための新しいエンドツーエンドマルチタスク学習であるMIN2Netを提案する。
深層学習をマルチタスクオートエンコーダに統合し,脳波からコンパクトかつ識別可能な潜在表現を学習する。
論文 参考訳(メタデータ) (2021-02-07T15:20:23Z)
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。