論文の概要: Bayesian inference on Brain-Computer Interface using the GLASS Model
- arxiv url: http://arxiv.org/abs/2304.07401v1
- Date: Fri, 14 Apr 2023 21:29:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 19:22:54.850715
- Title: Bayesian inference on Brain-Computer Interface using the GLASS Model
- Title（参考訳）: GLASSモデルを用いた脳-コンピュータインタフェースのベイズ推定
- Authors: Bangyao Zhao, Jane E. Huggins, Jian Kang
- Abstract要約: 脳-コンピュータインターフェース(BCI)は、重度の身体障害を持つ個人が世界とコミュニケーションすることを可能にする。
本稿では、事象関連電位(ERP)BCI設計を用いたP300 BCIに焦点を当て、主な課題はターゲット/非ターゲット刺激の分類である。
我々は,P300 BCI上でベイズ推定を行うために,低時間効果(GLASS)を有する新しいガウス潜在群モデルを開発した。
- 参考スコア（独自算出の注目度）: 2.8296206500802645
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The brain-computer interface (BCI) enables individuals with severe physical
impairments to communicate with the world. BCIs offer computational
neuroscience opportunities and challenges in converting real-time brain
activities to computer commands and are typically framed as a classification
problem. This article focuses on the P300 BCI that uses the event-related
potential (ERP) BCI design, where the primary challenge is classifying
target/non-target stimuli. We develop a novel Gaussian latent group model with
sparse time-varying effects (GLASS) for making Bayesian inferences on the P300
BCI. GLASS adopts a multinomial regression framework that directly addresses
the dataset imbalance in BCI applications. The prior specifications facilitate
i) feature selection and noise reduction using soft-thresholding, ii) smoothing
of the time-varying effects using global shrinkage, and iii) clustering of
latent groups to alleviate high spatial correlations of EEG data. We develop an
efficient gradient-based variational inference (GBVI) algorithm for posterior
computation and provide a user-friendly Python module available at
https://github.com/BangyaoZhao/GLASS. The application of GLASS identifies
important EEG channels (PO8, Oz, PO7, Pz, C3) that align with existing
literature. GLASS further reveals a group effect from channels in the
parieto-occipital region (PO8, Oz, PO7), which is validated in
cross-participant analysis.
- Abstract（参考訳）: 脳コンピュータインタフェース(BCI)は、重度の身体障害を持つ個人が世界とコミュニケーションすることを可能にする。
BCIは、リアルタイム脳活動をコンピュータコマンドに変換する際の計算神経科学の機会と課題を提供し、典型的には分類問題である。
本稿では、事象関連電位(ERP)BCI設計を用いたP300 BCIに焦点を当て、主な課題はターゲット/非ターゲット刺激の分類である。
我々は,P300 BCI上でベイズ推定を行うために,低時間効果(GLASS)を有する新しいガウス潜在群モデルを開発した。
GLASSは、BCIアプリケーションにおけるデータセットの不均衡に直接対処する多項回帰フレームワークを採用している。
事前の仕様は簡単です
一 ソフトthresholdingを用いた特徴選択及びノイズ低減
二 グローバル収縮を利用した時間変化効果の円滑化及び
三 脳波データの高空間相関を緩和するための潜伏群のクラスタリング
我々は,後方計算のための効率的な勾配に基づく変分推論(GBVI)アルゴリズムを開発し, https://github.com/BangyaoZhao/GLASSで利用可能なPythonモジュールを提供する。
GLASSの応用は、既存の文献に沿った重要な脳波チャネル(PO8、Oz、PO7、Pz、C3)を特定する。
さらにガラスは、視頂-頭頂部(po8, oz, po7)のチャネルからのグループ効果を示し、これはクロスパーティシピタント分析で検証される。
関連論文リスト
- Graph Adapter of EEG Foundation Models for Parameter Efficient Fine Tuning [1.8946099300030472]
EEG-GraphAdapter (EGA) はパラメータ効率の高い微細チューニング(PEFT)アプローチである。
EGAは、GNNベースのモジュールとして、事前訓練された時間バックボーンモデルに統合される。
バックボーンのBENDRモデルと比較すると、F1スコアでは最大16.1%の性能向上を実現している。
論文 参考訳（メタデータ） (2024-11-25T07:30:52Z) - SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning [49.83621156017321]
SimBaは、単純さのバイアスを注入することによって、深いRLでパラメータをスケールアップするように設計されたアーキテクチャである。
SimBaでパラメータをスケールアップすることで、オフポリシー、オンポリシー、アン教師なしメソッドを含む様々なディープRLアルゴリズムのサンプル効率が一貫して改善される。
論文 参考訳（メタデータ） (2024-10-13T07:20:53Z) - Spatial Adaptation Layer: Interpretable Domain Adaptation For Biosignal Sensor Array Applications [0.7499722271664147]
バイオ署名の買収は、医療アプリケーションやウェアラブルデバイスにとって鍵となる。
既存のソリューションは、しばしば大規模で高価なデータセットを必要とする。
本稿では,任意の生体信号配列モデルに適応可能な空間適応層(SAL)を提案する。
また,学習可能なベースライン正規化(LBN)を導入し,ベースライン変動を低減する。
論文 参考訳（メタデータ） (2024-09-12T14:06:12Z) - Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
脳波信号物理を利用した教師なし手法を提案する。
脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。
提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
論文 参考訳（メタデータ） (2024-03-07T16:17:33Z) - Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳（メタデータ） (2024-01-11T19:07:58Z) - A Dynamic Domain Adaptation Deep Learning Network for EEG-based Motor
Imagery Classification [1.7465786776629872]
動的ドメイン適応型ディープラーニングネットワーク(DADL-Net)を提案する。
まず、脳波データを3次元幾何学空間にマッピングし、その時空間的特徴を3次元畳み込みモジュールを通して学習する。
精度は70.42%と73.91%で、OpenBMIとBCIC IV 2aデータセットで達成された。
論文 参考訳（メタデータ） (2023-09-21T01:34:00Z) - ETLP: Event-based Three-factor Local Plasticity for online learning with
neuromorphic hardware [105.54048699217668]
イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。
また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
論文 参考訳（メタデータ） (2023-01-19T19:45:42Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - Fuzzy temporal convolutional neural networks in P300-based
Brain-computer interface for smart home interaction [3.726817037277484]
脳波パターンは、ノイズによる時間的変化と不確実性を示す。
これは、スマートホームインタラクションのためのP300ベースのBrain Computer Interfaceで対処すべき重要な問題である。
脳波信号、LSTM細胞、ファジィニューラルブロック(FNB)に修飾された時間畳み込みネットワーク(TCN)の逐次統合を提案する。
論文 参考訳（メタデータ） (2022-04-09T00:35:35Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z)
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。