論文の概要: SPD domain-specific batch normalization to crack interpretable
unsupervised domain adaptation in EEG
- arxiv url: http://arxiv.org/abs/2206.01323v1
- Date: Thu, 2 Jun 2022 22:31:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-06 15:24:17.033439
- Title: SPD domain-specific batch normalization to crack interpretable
unsupervised domain adaptation in EEG
- Title(参考訳): 脳波の解釈不能領域適応のためのSPDドメイン特異的バッチ正規化
- Authors: Reinmar J Kobler, Jun-ichiro Hirayama, Qibin Zhao, Motoaki Kawanabe
- Abstract要約: 現在のEEG技術は、高価な教師付き再校正なしでは、ドメイン間でうまく一般化しない。
SPDドメイン固有の運動量バッチ正規化(SPDDSMBN)を示す幾何学的深層学習のための新しいビルディングブロックを提案する。
SPDDSMBNレイヤはドメイン固有のSPD入力をドメイン不変のSPD出力に変換することができ、マルチソース/ターゲットおよびオンラインUDAシナリオに容易に適用できる。
- 参考スコア(独自算出の注目度): 25.642435946325925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electroencephalography (EEG) provides access to neuronal dynamics
non-invasively with millisecond resolution, rendering it a viable method in
neuroscience and healthcare. However, its utility is limited as current EEG
technology does not generalize well across domains (i.e., sessions and
subjects) without expensive supervised re-calibration. Contemporary methods
cast this transfer learning (TL) problem as a multi-source/-target unsupervised
domain adaptation (UDA) problem and address it with deep learning or shallow,
Riemannian geometry aware alignment methods. Both directions have, so far,
failed to consistently close the performance gap to state-of-the-art
domain-specific methods based on tangent space mapping (TSM) on the symmetric
positive definite (SPD) manifold. Here, we propose a theory-based machine
learning framework that enables, for the first time, learning domain-invariant
TSM models in an end-to-end fashion. To achieve this, we propose a new building
block for geometric deep learning, which we denote SPD domain-specific momentum
batch normalization (SPDDSMBN). A SPDDSMBN layer can transform domain-specific
SPD inputs into domain-invariant SPD outputs, and can be readily applied to
multi-source/-target and online UDA scenarios. In extensive experiments with 6
diverse EEG brain-computer interface (BCI) datasets, we obtain state-of-the-art
performance in inter-session and -subject TL with a simple, intrinsically
interpretable network architecture, which we denote TSMNet.
- Abstract(参考訳): 脳波(eeg)は、ミリ秒の解像度で非侵襲的に神経細胞のダイナミクスにアクセスし、神経科学や医療において有効な方法である。
しかし、現在のEEG技術は、高価な監督された再校正なしにドメイン(セッションと主題)間でうまく一般化しないため、その実用性は限られている。
現代の手法では、このトランスファーラーニング(TL)問題をマルチソース/ターゲット非教師付きドメイン適応(UDA)問題として、深層学習や浅いリーマン幾何学的アライメント手法で対処している。
どちらの方向も、対称正定値 (SPD) 多様体上の接空間写像 (TSM) に基づく最先端の領域固有法のパフォーマンスギャップを一貫して埋めることに失敗した。
本稿では,エンド・ツー・エンドでドメイン不変なtsmモデルを初めて学習できる理論ベースの機械学習フレームワークを提案する。
そこで本研究では,spd領域特異的運動量バッチ正規化(spddsmbn)を示す,幾何学的深層学習のための新しい構築ブロックを提案する。
SPDDSMBNレイヤはドメイン固有のSPD入力をドメイン不変のSPD出力に変換することができ、マルチソース/ターゲットおよびオンラインUDAシナリオに容易に適用できる。
6種類の脳波脳-コンピュータ・インタフェース(BCI)データセットを用いた広範囲な実験において,TSMNetを表わすシンプルな,本質的に解釈可能なネットワークアーキテクチャを用いて,セッション間およびオブジェクト間TLにおける最先端の性能を得る。
関連論文リスト
- Towards Subject Agnostic Affective Emotion Recognition [8.142798657174332]
脳波信号による脳-コンピュータインタフェース(aBCI)の不安定性
本稿では,メタラーニングに基づくメタドメイン適応手法を提案する。
提案手法は,パブリックなaBICsデータセットの実験において有効であることが示されている。
論文 参考訳(メタデータ) (2023-10-20T23:44:34Z) - Amplitude Spectrum Transformation for Open Compound Domain Adaptive
Semantic Segmentation [62.68759523116924]
オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。
我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
論文 参考訳(メタデータ) (2022-02-09T05:40:34Z) - Deep Optimal Transport for Domain Adaptation on SPD Manifolds [14.95694356964053]
本稿では,Deep optimal transportと呼ばれる,ディープラーニングに基づくトランスファー学習手法のカテゴリを紹介する。
この圏は最適輸送理論を利用し、SPD多様体の対数ユークリッド幾何学を利用する。
本稿では,これらの問題に効果的に取り組むために,既存の幾何学的手法を包括的に分類する。
論文 参考訳(メタデータ) (2022-01-15T03:13:02Z) - Decompose to Adapt: Cross-domain Object Detection via Feature
Disentanglement [79.2994130944482]
本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。
DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。
提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
論文 参考訳(メタデータ) (2022-01-06T05:43:01Z) - Revisiting Deep Subspace Alignment for Unsupervised Domain Adaptation [42.16718847243166]
Unsupervised domain adapt (UDA) は、ラベル付きソースドメインからラベル付きターゲットドメインへの知識の転送と適応を目的としている。
伝統的に、部分空間に基づく手法はこの問題に対する重要な解のクラスを形成する。
本稿では,UDAにおける部分空間アライメントの利用を再検討し,一貫した一般化をもたらす新しい適応アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-01-05T20:16:38Z) - Improving Transferability of Domain Adaptation Networks Through Domain
Alignment Layers [1.3766148734487902]
マルチソースアン教師付きドメイン適応(MSDA)は、ソースモデルの袋から弱い知識を割り当てることで、ラベルのないドメインの予測子を学習することを目的としている。
我々は,DomaIn Alignment Layers (MS-DIAL) のマルチソースバージョンを予測器の異なるレベルに埋め込むことを提案する。
我々の手法は最先端のMSDA法を改善することができ、分類精度の相対利得は+30.64%に達する。
論文 参考訳(メタデータ) (2021-09-06T18:41:19Z) - Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training
for Road Segmentation of Remote Sensing Images [93.50240389540252]
リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。
本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。
2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2021-08-28T09:29:14Z) - Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy
Minimisation for Multi-modal Cardiac Image Segmentation [10.417009344120917]
マルチモーダル心臓画像分割のための新しいUDA法を提案する。
提案手法は、逆学習に基づいて、異なる空間におけるソースとターゲットドメイン間のネットワーク特徴を適応する。
本手法はannotated source domainからunannotated target domainへの適応により2つの心データセットで検証した。
論文 参考訳(メタデータ) (2021-03-15T08:59:44Z) - Cluster, Split, Fuse, and Update: Meta-Learning for Open Compound Domain
Adaptive Semantic Segmentation [102.42638795864178]
セマンティックセグメンテーションのための原則的メタラーニングに基づくOCDAアプローチを提案する。
対象ドメインを複数のサブターゲットドメインに,教師なしの方法で抽出した画像スタイルでクラスタリングする。
その後、メタラーニングがデプロイされ、スタイルコードに条件付きでサブターゲットドメイン固有の予測を融合するように学習される。
モデルに依存しないメタラーニング(MAML)アルゴリズムにより,モデルをオンライン更新することを学び,一般化をさらに改善する。
論文 参考訳(メタデータ) (2020-12-15T13:21:54Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z) - Domain Conditioned Adaptation Network [90.63261870610211]
本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。
これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
論文 参考訳(メタデータ) (2020-05-14T04:23:24Z)
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。