論文の概要: Subject-Independent Brain-Computer Interfaces with Open-Set Subject Recognition

• arxiv url: http://arxiv.org/abs/2301.07894v1
• Date: Thu, 19 Jan 2023 05:48:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-20 15:33:42.917152
• Title: Subject-Independent Brain-Computer Interfaces with Open-Set Subject Recognition
• Title（参考訳）: オープンセット主観認識を用いた主観非依存型脳-コンピュータインタフェース
• Authors: Dong-Kyun Han, Dong-Young Kim, Geun-Deok Jang
• Abstract要約: 脳-コンピュータインターフェース(BCI)は、脳波(EEG)が被験者と被験者の間で異なるため、効果的に利用できない。 従来の研究では、被験者の情報を取り除き、一般化されたモデルを訓練してきた。 各種ソースドメインを分類し,オープンセットドメインを認識する補助タスクとして,スタイル情報エンコーダを導入する。
• 参考スコア（独自算出の注目度）: 2.6248092118543567
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A brain-computer interface (BCI) can't be effectively used since electroencephalography (EEG) varies between and within subjects. BCI systems require calibration steps to adjust the model to subject-specific data. It is widely acknowledged that this is a major obstacle to the development of BCIs. To address this issue, previous studies have trained a generalized model by removing the subjects' information. In contrast, in this work, we introduce a style information encoder as an auxiliary task that classifies various source domains and recognizes open-set domains. Open-set recognition method was used as an auxiliary task to learn subject-related style information from the source subjects, while at the same time helping the shared feature extractor map features in an unseen target. This paper compares various OSR methods within an open-set subject recognition (OSSR) framework. As a result of our experiments, we found that the OSSR auxiliary network that encodes domain information improves generalization performance.
• Abstract（参考訳）: 脳-コンピュータインターフェース(BCI)は、脳波(EEG)が被験者と被験者の間で異なるため、効果的に利用できない。 BCIシステムは、対象データにモデルを調整するためにキャリブレーションステップを必要とする。 このことがBCIの発展の大きな障害であると広く認識されている。 この問題に対処するため、過去の研究では、被験者の情報を取り除き、一般化されたモデルを訓練した。 そこで本研究では,様々なソースドメインを分類し,オープンセットドメインを認識する補助タスクとして,スタイル情報エンコーダを導入する。 オープンセット認識手法は,被写体から主題関連スタイル情報を学習する補助タスクとして用いられ,同時に,共有特徴抽出器の特徴を未認識対象に支援した。 本稿では,OSSR(Open-set subject recognition)フレームワークにおけるOSR手法の比較を行う。 実験の結果,ドメイン情報を符号化するOSSR補助ネットワークが一般化性能を向上させることがわかった。

関連論文リスト

• Quantifying Spatial Domain Explanations in BCI using Earth Mover's Distance [6.038190786160174]
  BCIは、人間とコンピュータの独特なコミュニケーションを促進し、障害のある個人に利益をもたらす。 BCIのパフォーマンスを評価し、説明することが不可欠で、潜在的ユーザに対して、期待通り動作しない場合にフラストレーションを避けるための明確な説明を提供する。
  論文  参考訳（メタデータ） (2024-05-02T13:35:15Z)
• Injecting Domain Knowledge in Language Models for Task-Oriented Dialogue Systems [9.983102639594899]
  プレトレーニング言語モデル(PLM)は、NLPアプリケーションにまたがる最先端の言語モデルである。 事前学習データに自然に発生することのないドメイン固有の知識は欠如している。 従来の研究では、下流の異なるNLPタスクに象徴的な知識を持つPLMが強化された。
  論文  参考訳（メタデータ） (2022-12-15T20:15:05Z)
• Motor Imagery Decoding Using Ensemble Curriculum Learning and Collaborative Training [11.157243900163376]
  マルチオブジェクトEEGデータセットは、いくつかの種類のドメインシフトを示す。 これらの領域シフトは、堅牢なクロスオブジェクトの一般化を妨げる。 複数の特徴抽出器を組み込んだ2段階モデルアンサンブルアーキテクチャを提案する。 我々のモデルアンサンブルアプローチはカリキュラム学習と協調学習の力を組み合わせたものであることを実証する。
  論文  参考訳（メタデータ） (2022-11-21T13:45:44Z)
• Open-Set Automatic Target Recognition [52.27048031302509]
  オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。 既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。 ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-10T21:28:24Z)
• Nested Named Entity Recognition from Medical Texts: An Adaptive Shared Network Architecture with Attentive CRF [53.55504611255664]
  ネスト現象によるジレンマを解決するために,ASACと呼ばれる新しい手法を提案する。 提案手法は,適応共有(AS)部と注意条件付きランダムフィールド(ACRF)モジュールの2つの鍵モジュールを含む。 我々のモデルは、異なるカテゴリのエンティティ間の暗黙の区別と関係をキャプチャすることで、より良いエンティティ表現を学ぶことができる。
  論文  参考訳（メタデータ） (2022-11-09T09:23:56Z)
• CLIP-Driven Fine-grained Text-Image Person Re-identification [50.94827165464813]
  TIReIDは、候補画像のプールから与えられたテキストクエリに対応する画像を取得することを目的としている。 TIReIDにおけるCLIPの強力な知識をフル活用するための,CLIP駆動のきめ細かい情報抽出フレームワーク(CFine)を提案する。
  論文  参考訳（メタデータ） (2022-10-19T03:43:12Z)
• Class-Specific Semantic Reconstruction for Open Set Recognition [101.24781422480406]
  オープンセット認識により、ディープニューラルネットワーク(DNN)は未知のクラスのサンプルを識別できる。 本稿では,自動エンコーダ(AE)とプロトタイプ学習を統合したCSSR(Class-Specific Semantic Reconstruction)を提案する。 複数のデータセットで実験を行った結果,提案手法は閉集合認識と開集合認識の両方において優れた性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2022-07-05T16:25:34Z)
• Prototype-based Domain Generalization Framework for Subject-Independent Brain-Computer Interfaces [17.60434807901964]
  脳-コンピュータインターフェース(BCI)は脳波の経時的変動により実際に使用することが困難である 本稿では,ソースデータセットから主題固有のスタイル特徴を学習する補助タスクとして,オープンセット認識技術を用いたフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-15T07:35:46Z)
• Multi-Branch Deep Radial Basis Function Networks for Facial Emotion Recognition [80.35852245488043]
  放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。 RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。 提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
  論文  参考訳（メタデータ） (2021-09-07T21:05:56Z)
• Self-supervised Detransformation Autoencoder for Representation Learning in Open Set Recognition [0.0]
  オープンセット認識問題に対する自己超越手法であるDetransformation Autoencoder (DTAE)を提案する。 提案手法は,未知のクラスを検出し,未知のクラスを分類する上で,大きな利益をもたらす。
  論文  参考訳（メタデータ） (2021-05-28T02:45:57Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)

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。