Fugu-MT 論文翻訳(概要): Optimized preprocessing and Tiny ML for Attention State Classification

論文の概要: Optimized preprocessing and Tiny ML for Attention State Classification

arxiv url: http://arxiv.org/abs/2303.11371v1
Date: Mon, 20 Mar 2023 18:17:35 GMT
ステータス: 処理完了
システム内更新日: 2023-03-22 17:43:20.541165
Title: Optimized preprocessing and Tiny ML for Attention State Classification
Title（参考訳）: 注意状態分類のための最適化前処理とTiny ML
Authors: Yinghao Wang, R\'emi Nahon, Enzo Tartaglione, Pavlo Mozharovskyi, and Van-Tam Nguyen
Abstract要約: 信号処理技術と機械学習アルゴリズムを組み合わせた脳波信号から精神状態の分類手法を提案する。認知負荷作業中に収集した脳波記録のデータセット上で,提案手法の性能を評価する。
参考スコア（独自算出の注目度）: 2.7810511835091427
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a new approach to mental state classification from EEG signals by combining signal processing techniques and machine learning (ML) algorithms. We evaluate the performance of the proposed method on a dataset of EEG recordings collected during a cognitive load task and compared it to other state-of-the-art methods. The results show that the proposed method achieves high accuracy in classifying mental states and outperforms state-of-the-art methods in terms of classification accuracy and computational efficiency.
Abstract（参考訳）: 本稿では,信号処理技術と機械学習(ML)アルゴリズムを組み合わせて,脳波信号から精神状態の分類を行う手法を提案する。認知負荷作業中に収集した脳波記録のデータセット上で提案手法の性能を評価し,他の最先端手法と比較した。その結果,本手法は心的状態の分類において高い精度を達成し,分類精度と計算効率の点で最先端手法よりも優れていることがわかった。

関連論文リスト

An Efficient and Flexible Deep Learning Method for Signal Delineation via Keypoints Estimation [4.2807943283312095]
本稿では,キーポイント推定のための新しいDLモデルであるKEED(Keypoint Estimation for Electrocardiogram Delineation)を提案する。 KEEDは、臨床的な期待に沿ったアウトプットを有機的に提供する。注目すべきは、非常に限定的な注釈付きデータで最適化されているにもかかわらず、KEEDは大幅にパフォーマンスが向上していることだ。
論文参考訳（メタデータ） (2024-07-24T08:13:10Z)
Improving the Evaluation and Actionability of Explanation Methods for Multivariate Time Series Classification [4.588028371034407]
MTSCに適用された属性手法の評価手法であるInterpretTimeの分析に焦点をあてる。提案手法のいくつかの重大な弱点を示し,その精度と効率を改善するためのアイデアを提案する。 SHAPやFeature Ablationのような摂動に基づく手法は、データセットの集合でうまく機能する。
論文参考訳（メタデータ） (2024-06-18T11:18:46Z)
Robust Analysis of Multi-Task Learning Efficiency: New Benchmarks on Light-Weighed Backbones and Effective Measurement of Multi-Task Learning Challenges by Feature Disentanglement [69.51496713076253]
本稿では,既存のMTL手法の効率性に焦点をあてる。バックボーンを小さくしたメソッドの大規模な実験と,MetaGraspNetデータセットを新しいテストグラウンドとして実施する。また,MTLにおける課題の新規かつ効率的な識別子として,特徴分散尺度を提案する。
論文参考訳（メタデータ） (2024-02-05T22:15:55Z)
Predicted Embedding Power Regression for Large-Scale Out-of-Distribution Detection [77.1596426383046]
本研究では,学習過程において学習したラベル分布に基づいて,予測されたクラスラベルの確率を計算する手法を開発した。提案手法は,計算コストの最小化のみで,現在の最先端手法よりも優れた性能を発揮する。
論文参考訳（メタデータ） (2023-03-07T18:28:39Z)
Continual Learning For On-Device Environmental Sound Classification [63.81276321857279]
デバイス上での環境音の分類のための簡易かつ効率的な連続学習法を提案する。本手法は,サンプルごとの分類の不確実性を測定することにより,トレーニングの履歴データを選択する。
論文参考訳（メタデータ） (2022-07-15T12:13:04Z)
An Adaptive Task-Related Component Analysis Method for SSVEP recognition [0.913755431537592]
定常視覚誘発電位(SSVEP)認識法は、被験者の校正データから学習する。本研究では,限られたキャリブレーションデータから学習する新しい手法を開発した。
論文参考訳（メタデータ） (2022-04-17T15:12:40Z)
Adaptive Template Enhancement for Improved Person Recognition using Small Datasets [0.9668407688201358]
本稿では,脳波(EEG)信号の新たな分類法を提案し,評価した。提案した適応テンプレート拡張機構は,各特徴次元を別々に扱うことで特徴レベルのインスタンスを変換する。提案手法は,識別シナリオと検証シナリオの両方において,分類精度が大幅に向上したことを示す。
論文参考訳（メタデータ） (2022-01-03T10:14:38Z)
Hybrid Method Based on NARX models and Machine Learning for Pattern Recognition [0.0]
本研究は,機械学習とシステム識別の方法論を統合した新しい手法を提案する。本手法の効率は,機械学習におけるケーススタディにより検証され,古典的分類アルゴリズムと比較して絶対的な結果が得られた。
論文参考訳（メタデータ） (2021-06-08T00:17:36Z)
DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。よりデータ効率の高いifOアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-31T23:46:32Z)
Visualization of Supervised and Self-Supervised Neural Networks via Attribution Guided Factorization [87.96102461221415]
クラスごとの説明性を提供するアルゴリズムを開発した。実験の広範なバッテリーでは、クラス固有の可視化のための手法の能力を実証する。
論文参考訳（メタデータ） (2020-12-03T18:48:39Z)
Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。