論文の概要: Mental arithmetic task classification with convolutional neural network
based on spectral-temporal features from EEG
- arxiv url: http://arxiv.org/abs/2209.11767v1
- Date: Mon, 26 Sep 2022 02:15:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 14:19:45.204855
- Title: Mental arithmetic task classification with convolutional neural network
based on spectral-temporal features from EEG
- Title（参考訳）: 脳波スペクトル時間特性に基づく畳み込みニューラルネットワークを用いたメンタル算術課題分類
- Authors: Zaineb Ajra, Binbin Xu, G\'erard Dray, Jacky Montmain, Stephane Perrey
- Abstract要約: ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。
ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。
実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
- 参考スコア（独自算出の注目度）: 0.47248250311484113
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, neuroscientists have been interested to the development of
brain-computer interface (BCI) devices. Patients with motor disorders may
benefit from BCIs as a means of communication and for the restoration of motor
functions. Electroencephalography (EEG) is one of most used for evaluating the
neuronal activity. In many computer vision applications, deep neural networks
(DNN) show significant advantages. Towards to ultimate usage of DNN, we present
here a shallow neural network that uses mainly two convolutional neural network
(CNN) layers, with relatively few parameters and fast to learn
spectral-temporal features from EEG. We compared this models to three other
neural network models with different depths applied to a mental arithmetic task
using eye-closed state adapted for patients suffering from motor disorders and
a decline in visual functions. Experimental results showed that the shallow CNN
model outperformed all the other models and achieved the highest classification
accuracy of 90.68%. It's also more robust to deal with cross-subject
classification issues: only 3% standard deviation of accuracy instead of 15.6%
from conventional method.
- Abstract（参考訳）: 近年、神経科学者は脳-コンピュータインターフェース(BCI)デバイスの開発に興味を持っている。
運動障害のある患者はコミュニケーションや運動機能の回復の手段としてBCIの恩恵を受けることがある。
脳電図(EEG)は神経活動を評価するのに最も用いられる。
多くのコンピュータビジョンアプリケーションでは、ディープニューラルネットワーク(DNN)が大きな利点を示している。
DNNの究極的な利用に向けて、我々は、主に2つの畳み込みニューラルネットワーク(CNN)層を使用し、比較的少ないパラメータと、EEGからスペクトル時間的特徴を高速に学習する浅いニューラルネットワークを提示する。
運動障害と視覚機能低下に適応した眼球閉鎖状態を用いて、心的算術課題に異なる深度を応用した他の3つのニューラルネットワークモデルと比較した。
実験の結果, 浅層cnnモデルは他のモデルよりも優れており, 最大分類精度は90.68%であった。
従来の方法の15.6%ではなく、精度の標準偏差は3%に過ぎません。
関連論文リスト
- Sparse Multitask Learning for Efficient Neural Representation of Motor
Imagery and Execution [30.186917337606477]
運動画像(MI)と運動実行(ME)タスクのためのスパースマルチタスク学習フレームワークを提案する。
MI-ME分類のためのデュアルタスクCNNモデルが与えられた場合、過渡的な接続に対して、サリエンシに基づくスペーシフィケーションアプローチを適用する。
以上の結果から, この調整された疎水性は, 過度に適合する問題を緩和し, 少ないデータ量でテスト性能を向上させることが示唆された。
論文 参考訳（メタデータ） (2023-12-10T09:06:16Z) - NiSNN-A: Non-iterative Spiking Neural Networks with Attention with
Application to Motor Imagery EEG Classification [7.430549997480745]
運動画像は脳波(EEG)研究において重要なカテゴリである。
従来のディープラーニングアルゴリズムは、重要な計算要求と高エネルギー利用によって特徴付けられる。
スパイクニューラルネットワーク(SNN)は、有望なエネルギー効率のソリューションとして出現する。
論文 参考訳（メタデータ） (2023-12-09T19:13:15Z) - Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。
単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。
これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
論文 参考訳（メタデータ） (2023-07-20T13:34:11Z) - Multi-pooling 3D Convolutional Neural Network for fMRI Classification of
Visual Brain States [3.19429184376611]
本稿では,fMRI分類精度を向上させるために,マルチプール3次元畳み込みニューラルネットワーク(MP3DCNN)を提案する。
MP3DCNNは主に3層3DCNNで構成されており、3D畳み込みの第1層と第2層はそれぞれプール接続の分岐を持つ。
論文 参考訳（メタデータ） (2023-03-25T07:54:51Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-06T13:04:45Z) - Dynamic Neural Diversification: Path to Computationally Sustainable
Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。
学習過程において隠れた層内のニューロンの多様性を探索する。
ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2021-09-20T15:12:16Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳（メタデータ） (2021-09-10T13:07:11Z) - Multi-Objective Optimisation of Cortical Spiking Neural Networks With
Genetic Algorithms [0.7995360025953929]
スパイキングニューラルネットワーク(SNN)は、ニューロンのオール・オア・ノー・スパイキング活動を通じて通信する。
遺伝的アルゴリズム(GA)を効率的なSNNモデルに最適化する以前の研究は、単一のパラメータと目的に限られていた。
この研究は、Non-dominated sorting GA (NSGA-III) と呼ばれるGAのバージョンを適用し、同じSNN上で多目的最適化を行う可能性を示した。
論文 参考訳（メタデータ） (2021-05-14T13:35:39Z) - Emotional EEG Classification using Connectivity Features and
Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。
対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文 参考訳（メタデータ） (2021-01-18T13:28:08Z) - Effective and Efficient Computation with Multiple-timescale Spiking
Recurrent Neural Networks [0.9790524827475205]
本稿では,新しいタイプの適応スパイクリカレントニューラルネットワーク(SRNN)が,最先端の性能を実現する方法を示す。
我々は、従来のRNNよりも難しいタスクにおいて、SRNNの100倍のエネルギー改善を計算します。
論文 参考訳（メタデータ） (2020-05-24T01:04:53Z) - Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。
コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文 参考訳（メタデータ） (2020-02-02T21:09:39Z)
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。