論文の概要: CropCat: Data Augmentation for Smoothing the Feature Distribution of EEG Signals

• arxiv url: http://arxiv.org/abs/2212.06413v1
• Date: Tue, 13 Dec 2022 07:40:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 14:09:45.430034
• Title: CropCat: Data Augmentation for Smoothing the Feature Distribution of EEG Signals
• Title（参考訳）: CropCat:脳波信号の特徴分布の平滑化のためのデータ拡張
• Authors: Sung-Jin Kim, Dae-Hyeok Lee, Yeon-Woo Choi
• Abstract要約: 新たなデータ拡張手法であるCropCatを提案する。 CropCatはCropCat-spatialとCropCat-temporalの2つのバージョンで構成されている。 CropCatが生成したデータは、モデルのトレーニング時に脳波信号の特徴分布を円滑にすることを示す。
• 参考スコア（独自算出の注目度）: 3.5665681694253903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brain-computer interface (BCI) is a communication system between humans and computers reflecting human intention without using a physical control device. Since deep learning is robust in extracting features from data, research on decoding electroencephalograms by applying deep learning has progressed in the BCI domain. However, the application of deep learning in the BCI domain has issues with a lack of data and overconfidence. To solve these issues, we proposed a novel data augmentation method, CropCat. CropCat consists of two versions, CropCat-spatial and CropCat-temporal. We designed our method by concatenating the cropped data after cropping the data, which have different labels in spatial and temporal axes. In addition, we adjusted the label based on the ratio of cropped length. As a result, the generated data from our proposed method assisted in revising the ambiguous decision boundary into apparent caused by a lack of data. Due to the effectiveness of the proposed method, the performance of the four EEG signal decoding models is improved in two motor imagery public datasets compared to when the proposed method is not applied. Hence, we demonstrate that generated data by CropCat smooths the feature distribution of EEG signals when training the model.
• Abstract（参考訳）: 脳コンピュータインタフェース(BCI)は、物理的制御装置を使わずに人間の意図を反映する人間とコンピュータの間の通信システムである。 深層学習はデータから特徴を抽出する上で堅牢であるため、深層学習を適用して脳波を復号する研究がBCIドメインで進んでいる。 しかし、bciドメインにおけるディープラーニングの応用には、データの欠如と自信過剰が問題となっている。 そこで本研究では,新しいデータ拡張手法であるcropcatを提案する。 CropCatはCropCat-spatialとCropCat-temporalの2つのバージョンで構成されている。 本手法は,空間軸と時間軸に異なるラベルを持つデータを切り刻んだ後,切り抜いたデータを連結して設計した。 また,クロッピング長さの比に基づいてラベルを調整した。 その結果,提案手法から生成したデータは,不明瞭な決定境界をデータ不足による明らかなものに修正する助けとなった。 提案手法の有効性により,提案手法が適用されない場合と比較して,2つの運動画像公開データセットにおいて4つの脳波信号復号モデルの性能が向上する。 そこで,cropcatが生成したデータによって,脳波信号の特徴分布が円滑になることを示す。

関連論文リスト

• Improving EEG Classification Through Randomly Reassembling Original and Generated Data with Transformer-based Diffusion Models [12.703528969668062]
  本稿では,トランスフォーマーを用いた拡散確率モデルとデータに基づく拡張手法を提案する。 脳波信号の特徴として,信号の事前処理を行う定数要素スケーリング手法を提案する。 提案手法は,生成したデータを時間領域の原データでランダムに再集合し,ビジナルデータを取得する。
  論文  参考訳（メタデータ） (2024-07-20T06:58:14Z)
• How Homogenizing the Channel-wise Magnitude Can Enhance EEG Classification Model? [4.0871083166108395]
  我々は、EEGデータ前処理にシンプルで効果的なアプローチを提案する。 提案手法はまず,逆チャネルワイドマグニチュード均質化により,脳波データを符号化画像に変換する。 これにより、巨大なディープラーニングネットワークを使わずに、脳波学習プロセスを改善することができる。
  論文  参考訳（メタデータ） (2024-07-19T09:11:56Z)
• Distributionally Robust Cross Subject EEG Decoding [15.211091130230589]
  本稿では,デコードロバスト性を改善するために,データ上で動的に進化する原理的手法を提案する。 We derived a general data evolution framework based on Wasserstein gradient flow (WGF) and provide two different form of evolution within the framework。 提案手法は、さらなる改善のために、他のデータ拡張手法と容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-19T11:31:33Z)
• Invariance Learning in Deep Neural Networks with Differentiable Laplace Approximations [76.82124752950148]
  我々はデータ拡張を選択するための便利な勾配法を開発した。 我々はKronecker-factored Laplace近似を我々の目的とする限界確率に近似する。
  論文  参考訳（メタデータ） (2022-02-22T02:51:11Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Federated Causal Discovery [74.37739054932733]
  本稿では,DAG-Shared Federated Causal Discovery (DS-FCD) という勾配学習フレームワークを開発する。 ローカルデータに直接触れることなく因果グラフを学習し、データの不均一性を自然に扱うことができる。 合成および実世界の両方のデータセットに対する大規模な実験により,提案手法の有効性が検証された。
  論文  参考訳（メタデータ） (2021-12-07T08:04:12Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• A SPA-based Manifold Learning Framework for Motor Imagery EEG Data Classification [2.4727719996518487]
  本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。 特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。 分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
  論文  参考訳（メタデータ） (2021-07-30T06:18:05Z)
• Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
  ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。 半教師付き長尾認識という新しい認識設定を提案する。 2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
  論文  参考訳（メタデータ） (2021-05-01T00:43:38Z)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)

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。