論文の概要: Subject-Independent Classification of Brain Signals using Skip
Connections
- arxiv url: http://arxiv.org/abs/2301.07918v1
- Date: Thu, 19 Jan 2023 07:04:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 15:34:55.884831
- Title: Subject-Independent Classification of Brain Signals using Skip
Connections
- Title（参考訳）: スキップ接続を用いた脳信号の主観非依存分類
- Authors: Soowon Kim and Ji-Won Lee and Young-Eun Lee and Seo-Hyun Lee
- Abstract要約: 脳-コンピュータインタフェースシステムは脳波信号を用いて実装することができる。
脳-コンピュータインタフェースシステムにおける最も興味深いタスクの1つは、生の脳波信号から単語を復号することである。
- 参考スコア（独自算出の注目度）: 1.7969777786551426
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Untapped potential for new forms of human-to-human communication can be found
in the active research field of studies on the decoding of brain signals of
human speech. A brain-computer interface system can be implemented using
electroencephalogram signals because it poses more less clinical risk and can
be acquired using portable instruments. One of the most interesting tasks for
the brain-computer interface system is decoding words from the raw
electroencephalogram signals. Before a brain-computer interface may be used by
a new user, current electroencephalogram-based brain-computer interface
research typically necessitates a subject-specific adaption stage. In contrast,
the subject-independent situation is one that is highly desired since it allows
a well-trained model to be applied to new users with little or no
precalibration. The emphasis is on creating an efficient decoder that may be
employed adaptively in subject-independent circumstances in light of this
crucial characteristic. Our proposal is to explicitly apply skip connections
between convolutional layers to enable the flow of mutual information between
layers. To do this, we add skip connections between layers, allowing the mutual
information to flow throughout the layers. The output of the encoder is then
passed through the fully-connected layer to finally represent the probabilities
of the 13 classes. In this study, overt speech was used to record the
electroencephalogram data of 16 participants. The results show that when the
skip connection is present, the classification performance improves notably.
- Abstract（参考訳）: 人間の発話の脳信号のデコードに関する研究の活発な研究分野において、新しい形の人間と人間のコミュニケーションのための未解決の可能性を見ることができる。
脳-コンピューターインタフェースシステムは、より臨床リスクが少なく、携帯機器を使用して取得できるため、脳波信号を使用して実装することができる。
脳-コンピューターインタフェースシステムの最も興味深いタスクの1つは、生の脳波信号から単語をデコードすることである。
脳-コンピュータインターフェースが新しいユーザによって使用される前に、現在の脳波ベースの脳-コンピュータインターフェースの研究は、通常、被験者固有の適応段階を必要とする。
対照的に、主観非依存の状況は、十分に訓練されたモデルが事前校正をほとんどあるいは全く行わない新規ユーザに適用できるため、非常に望ましいものである。
この重要な特徴に照らして、対象非依存の状況に適応的に適用できる効率的なデコーダを作ることに重点を置いている。
本提案では,畳み込み層間の接続を明示的に適用し,層間の相互情報のフローを可能にする。
これを実現するために、レイヤ間の接続をスキップし、レイヤ間で相互情報が流れるようにする。
その後、エンコーダの出力は全連結層を通過し、最終的に13クラスの確率を表す。
本研究では,16人の脳波データを記録するために,オーバート音声を用いた。
その結果,スキップ接続が存在すると分類性能が著しく向上することがわかった。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - MBrain: A Multi-channel Self-Supervised Learning Framework for Brain
Signals [7.682832730967219]
本稿では,SEEGデータとEEGデータのいずれかを事前学習できる脳信号の自己教師型学習フレームワークについて検討する。
そこで我々は,異なるチャネル間の空間的および時間的相関を暗黙的に学習するために,MBrainを提案する。
我々のモデルは、最先端のSSLおよび教師なしモデルよりも優れており、臨床に展開する能力を持っている。
論文 参考訳（メタデータ） (2023-06-15T09:14:26Z) - Language Knowledge-Assisted Representation Learning for Skeleton-Based
Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。
LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2023-05-21T08:29:16Z) - Sequential Best-Arm Identification with Application to Brain-Computer
Interface [34.87975833920409]
脳コンピュータインタフェース(BCI)は、脳と外部デバイスまたはコンピュータシステムとの直接通信を可能にする技術である。
脳波(EEG)と事象関連電位(ERP)に基づくスペルシステム(ERP)は、物理キーボードを使わずに単語をスペルできるBCIの一種である。
本稿では,固定信頼度設定と固定予算設定の下での逐次トップ2トンプソンサンプリング(STTS)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-17T18:49:44Z) - A Convolutional Spiking Network for Gesture Recognition in
Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。
本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文 参考訳（メタデータ） (2023-04-21T16:23:40Z) - CommsVAE: Learning the brain's macroscale communication dynamics using
coupled sequential VAEs [0.0]
本稿では,機能データからの通信に対する非線形生成手法を提案する。
提案手法では,各タスクに特有なコミュニケーションをモデル化する。
本手法の特異性は,精神疾患の理解に影響を及ぼすことを意味する。
論文 参考訳（メタデータ） (2022-10-07T16:20:19Z) - An Adaptive Contrastive Learning Model for Spike Sorting [12.043679000694258]
神経科学研究においては、個々のニューロンの活動を分離することが重要である。
大規模なシリコン技術の発展に伴い、スパイクの人工的解釈とラベル付けはますます非現実的になりつつある。
対照的な学習を通してスパイクから表現を学習する新しいモデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-24T09:18:46Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot
Sentiment Classification [78.120927891455]
最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。
本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。
脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
論文 参考訳（メタデータ） (2021-12-05T21:57:22Z) - EEGminer: Discovering Interpretable Features of Brain Activity with
Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。
我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。
発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文 参考訳（メタデータ） (2021-10-19T14:22:04Z) - 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)
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。