論文の概要: Dreamento: An open-source dream engineering toolbox utilizing sleep wearable

• arxiv url: http://arxiv.org/abs/2207.03977v1
• Date: Fri, 8 Jul 2022 15:55:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-11 15:29:10.653906
• Title: Dreamento: An open-source dream engineering toolbox utilizing sleep wearable
• Title（参考訳）: Dreamento:睡眠ウェアラブルを活用したオープンソースのドリームエンジニアリングツールボックス
• Authors: Mahdad Jafarzadeh Esfahani, Amir Hossein Daraie, Frederik D. Weber, Martin Dresler
• Abstract要約: Dreamentoは、ZMaxスリープヘッドバンドを利用したドリームエンジニアリングのためのオープンソースのPythonパッケージである。 主な機能は(1)グラフィカルユーザインタフェース(GUI)におけるリアルタイム記録、モニタリング、分析、刺激である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Dreamento (Dream engineering toolbox), an open-source Python package for dream engineering utilizing the ZMax (Hypnodyne Corp., Sofia, Bulgaria) headband sleep wearable. Dreamento main functions are (1) real-time recording, monitoring, analysis, and stimulation in a graphical user interface (GUI) (2) and offline post-processing of the resulting data. In real-time, Dreamento is capable of (1) recording data, (2) visualizing data, including power-spectrum analysis and navigation, (3) automatic sleep-scoring, (4) sensory stimulation (visual, auditory, tactile), (5) establishing text-to-speech communication, and (6) managing the annotations of automatic and manual events. The offline functionality aids in post-processing the acquired data with features to reformat the wearable data and integrate it with non-wearable recorded modalities such as electromyography. While the primary application of Dreamento was developed for (lucid) dreaming studies, it is open to being adapted for other purposes and measurement modalities.
• Abstract（参考訳）: 我々は,ZMax(Hypnodyne Corp., Sofia, Bulgaria)ヘッドバンド睡眠ウェアラブルを活用した,ドリームエンジニアリングのためのオープンソースのPythonパッケージであるDream Engineering Toolboxを紹介する。 dreamentoの主な機能は、1)グラフィカルユーザインタフェース(gui)におけるリアルタイム記録、監視、分析、および刺激、および得られたデータのオフライン後処理である。 リアルタイムには、(1)データの記録、(2)パワースペクトル分析・ナビゲーションを含む可視化データ、(3)自動睡眠検査、(4)感覚刺激(視覚、聴覚、触覚)、(5)テキスト音声通信の確立、(6)自動および手動イベントのアノテーションの管理が可能である。 オフライン機能は、取得したデータを後処理し、ウェアラブルデータを再フォーマットし、エレクトロミオグラフィーのような非着用可能な記録モダリティと統合する機能を持つ。 dreamentoの主な応用は(lucid)ドリーム研究のために開発されたが、他の目的や測定方法にも適用可能である。

関連論文リスト

• Exploration of LLMs, EEG, and behavioral data to measure and support attention and sleep [8.595588089962556]
  本研究では,大きな言語モデル(LLM)を用いて注意状態,睡眠ステージ,睡眠の質を推定する。 以上の結果から,LLMは人間のテキスト行動特性に基づいて睡眠の質を推定できることがわかった。 しかし、脳波と活動データに基づいて注意、睡眠ステージ、睡眠品質を検出するには、さらなるトレーニングデータとドメイン固有の知識が必要である。
  論文  参考訳（メタデータ） (2024-08-01T15:17:54Z)
• Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
  SurgLoc 2022 チャレンジの結果を示す。 目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。 これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
  論文  参考訳（メタデータ） (2023-05-11T21:44:39Z)
• WEARDA: Recording Wearable Sensor Data for Human Activity Monitoring [3.5297361401370044]
  We present WEARDA, the open Source WEARable Sensor Data Acquisition software package。 WEARDAは、スマートウォッチによる人間の活動データ取得を容易にする。 4つのセンサーからの生データを同時に記録する機能を提供する。
  論文  参考訳（メタデータ） (2023-02-28T20:07:46Z)
• ProductGraphSleepNet: Sleep Staging using Product Spatio-Temporal Graph Learning with Attentive Temporal Aggregation [4.014524824655106]
  本研究では,協調時間グラフ学習のための適応型製品グラフ学習型グラフ畳み込みネットワークProductGraphSleepNetを提案する。 提案したネットワークにより、臨床医は学習した睡眠段階の接続グラフを理解し、解釈することができる。
  論文  参考訳（メタデータ） (2022-12-09T14:34:58Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• Predicting Sleeping Quality using Convolutional Neural Networks [6.236890292833385]
  本稿では,分類性能を向上させる畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 従来の機械学習手法を含む様々な手法から分類性能をベンチマークする。 精度、感度、特異性、精度、リコール、Fスコアが報告され、研究をシミュレートするためのベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-04-24T21:48:54Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)
• Controlled Hallucinations: Learning to Generate Faithfully from Noisy Data [1.0914300987810126]
  本稿では,このような幻覚を生成テキストの制御可能な側面として扱う手法を提案する。 特にノイズの多いデータセットであるWikiBio corpusでは,自動評価と人的評価の両方において,この手法の有効性を実証している。
  論文  参考訳（メタデータ） (2020-10-12T17:25:02Z)
• Learning to learn generative programs with Memoised Wake-Sleep [52.439550543743536]
  本研究では,ニューラルネットワークをシンボル型データ生成プログラムの前提として,推論と先行の両方に使用するニューロシンボリック生成モデルのクラスについて検討する。 そこで本研究では,Wake Sleepを拡張したMemoised Wake-Sleep(MWS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-06T23:51:03Z)

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。