論文の概要: Spatial Graph Signal Interpolation with an Application for Merging BCI Datasets with Various Dimensionalities

• arxiv url: http://arxiv.org/abs/2211.02624v1
• Date: Fri, 28 Oct 2022 11:24:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:46:58.207853
• Title: Spatial Graph Signal Interpolation with an Application for Merging BCI Datasets with Various Dimensionalities
• Title（参考訳）: 空間グラフ信号補間と様々な次元のBCIデータセットの融合への応用
• Authors: Yassine El Ouahidi, Lucas Drumetz, Giulia Lioi, Nicolas Farrugia, Bastien Pasdeloup and Vincent Gripon
• Abstract要約: BCI Motor Imageryデータセットは通常小さく、電極の設定が異なる。 複数の電極を効率よく補間できる空間グラフ信号技術を導入する。
• 参考スコア（独自算出の注目度）: 9.038008567638803
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: BCI Motor Imagery datasets usually are small and have different electrodes setups. When training a Deep Neural Network, one may want to capitalize on all these datasets to increase the amount of data available and hence obtain good generalization results. To this end, we introduce a spatial graph signal interpolation technique, that allows to interpolate efficiently multiple electrodes. We conduct a set of experiments with five BCI Motor Imagery datasets comparing the proposed interpolation with spherical splines interpolation. We believe that this work provides novel ideas on how to leverage graphs to interpolate electrodes and on how to homogenize multiple datasets.
• Abstract（参考訳）: BCI Motor Imageryデータセットは通常小さく、電極の設定が異なる。 ディープニューラルネットワークをトレーニングする場合、利用可能なデータ量を増やすためにこれらのデータセットをすべて活用して、優れた一般化結果を得ることができる。 そこで本研究では,複数の電極を効率的に補間できる空間グラフ信号補間手法を提案する。 提案手法を球面スプライン補間と比較し,5つのbciモータ画像データセットを用いて実験を行った。 この研究は、電極を補間するためのグラフの活用方法や、複数のデータセットを均質化する方法について、新しいアイデアを提供すると考えている。

関連論文リスト

• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• Isometric Transformations for Image Augmentation in Mueller Matrix Polarimetry [4.33959569757548]
  ミューラー行列偏光法は、試料との偏光相互作用に関する重要な情報を取得する。 回転やフリップのような標準的な変換は、ミューラー行列像の偏光特性を保たない。 物理的に一貫した回転とフリップをミュラー行列に適用する多目的シミュレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T16:50:13Z)
• Hybrid Neural Representations for Spherical Data [25.080272865553003]
  我々は,Hybrid Neural Representations for Spherical Data (HNeR-S)という新しい手法を提案する。 主目的は、球面特徴格子を用いて、多層認識と組み合わせた位置特徴を求め、目標信号を予測することである。 気象データとCMBデータに一致した等方的および階層的等方性等方性等方性画素化構造を持つ特徴格子について考察する。
  論文  参考訳（メタデータ） (2024-02-05T13:03:00Z)
• Graph Representation Learning for Infrared and Visible Image Fusion [19.756524363404534]
  赤外線と可視画像の融合は、単一の融合画像を合成するための補完的な特徴を抽出することを目的としている。 多くの手法では、局所的な特徴を抽出するために畳み込みニューラルネットワーク(CNN)を用いる。 CNNは画像の非局所的自己相似性(NLs)を考慮できない
  論文  参考訳（メタデータ） (2023-11-01T04:46:20Z)
• EEG Decoding for Datasets with Heterogenous Electrode Configurations using Transfer Learning Graph Neural Networks [5.349852254138086]
  記録装置や電極配置のばらつきのため、研究室や同じ研究室内で収集されたデータの組み合わせは困難である。 我々は,グラフニューラルネットワーク(GNN)と非侵襲型運動画像(MI)脳波デコーディングのための転送学習手法を組み合わせた,新しい機械学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2023-06-20T16:29:00Z)
• Generating Synthetic Datasets by Interpolating along Generalized Geodesics [18.278734644369052]
  組み合わせ”として合成可能なデータセットの組み合わせ方法を示す。 特に、異なるラベルセットを持つデータセットと無関係なデータセットの間でさえ補間する方法を示す。 これは、オンデマンドデータセット合成をターゲットとする、有望な新しいアプローチであることを実証しています。
  論文  参考訳（メタデータ） (2023-06-12T04:46:44Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• All-optical graph representation learning using integrated diffractive photonic computing units [51.15389025760809]
  フォトニックニューラルネットワークは、電子の代わりに光子を用いて脳にインスパイアされた計算を行う。 我々は、DGNN(diffractive graph neural network)と呼ばれる全光グラフ表現学習アーキテクチャを提案する。 ベンチマークデータベースを用いたノードおよびグラフレベルの分類タスクにおけるDGNN抽出機能の利用を実演し、優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-04-23T02:29:48Z)
• Feature transforms for image data augmentation [74.12025519234153]
  画像分類において、多くの拡張アプローチは単純な画像操作アルゴリズムを利用する。 本研究では,14種類の拡張アプローチを組み合わせて生成した画像を追加することで,データレベルでのアンサンブルを構築する。 事前トレーニングされたResNet50ネットワークは、各拡張メソッドから派生した画像を含むトレーニングセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2022-01-24T14:12:29Z)
• Diffusion Earth Mover's Distance and Distribution Embeddings [61.49248071384122]
  拡散は$tildeo(n)$ timeで計算でき、ツリーベースのような同様の高速アルゴリズムよりも正確である。 拡散は完全微分可能であり、深層ニューラルネットワークのような勾配拡散フレームワークの将来の使用に適している。
  論文  参考訳（メタデータ） (2021-02-25T13:18:32Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。