Fugu-MT 論文翻訳(概要): Color-based classification of EEG Signals for people with the severe locomotive disorder

論文の概要: Color-based classification of EEG Signals for people with the severe locomotive disorder

arxiv url: http://arxiv.org/abs/2304.11068v1
Date: Wed, 12 Apr 2023 20:32:47 GMT
ステータス: 処理完了
システム内更新日: 2023-04-30 08:06:33.001779
Title: Color-based classification of EEG Signals for people with the severe locomotive disorder
Title（参考訳）: 重度機関車障害者における脳波信号の色別分類
Authors: Ankit Shrestha, Bikram Adhikari
Abstract要約: NeuroSky Mindwaveヘッドセットからの生の脳波信号は、注意に基づくディープラーニングネットワークによって分類されている。 2色の分類では93.5%の精度が得られ、4つの信号の分類では65.75%の精度が得られた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The neurons in the brain produces electric signals and a collective firing of these electric signals gives rise to brainwaves. These brainwave signals are captured using EEG (Electroencephalogram) devices as micro voltages. These sequence of signals captured by EEG sensors have embedded features in them that can be used for classification. The signals can be used as an alternative input for people suffering from severe locomotive disorder.Classification of different colors can be mapped for many functions like directional movement. In this paper, raw EEG signals from NeuroSky Mindwave headset (a single electrode EEG sensor) have been classified with an attention based Deep Learning Network. Attention based LSTM Networks have been implemented for classification of two different colors and four different colors. An accuracy of 93.5\% was obtained for classification of two colors and an accuracy of 65.75\% was obtained for classifcation of four signals using the mentioned attention based LSTM network.
Abstract（参考訳）: 脳内のニューロンは電気信号を発生させ、これらの電気信号を集合的に発射すると脳波が発生する。これらの脳波信号をマイクロ電圧として脳波(Electroencephalogram)デバイスを用いて捉える。脳波センサーが捉えたこれらの信号列には、分類に使用できる特徴が組み込まれている。信号は、重篤な機関車障害に悩む人々の代替入力として利用することができ、方向運動などの多くの機能に対して異なる色の分類が可能である。本稿では,NeuroSky Mindwaveヘッドセット(単一電極脳波センサ)からの生脳波信号を,注目に基づくディープラーニングネットワークで分類した。注意に基づくLSTMネットワークは、2つの異なる色と4つの異なる色の分類のために実装されている。 2色の分類には93.5\%の精度が得られ、4つの信号の分類には65.75\%の精度が得られた。

関連論文リスト

EEG Based Generative Depression Discriminator [6.430825395607487]
うつ病は非常に一般的だが深刻な気分障害である。我々は3つの生理的法則に基づく生成的検出ネットワークを構築した。我々は、MODMAデータセットで92.30%、HUSMデータセットで86.73%の精度を得た。
論文参考訳（メタデータ） (2024-01-19T16:05:13Z)
DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文参考訳（メタデータ） (2023-09-07T13:43:46Z)
Classification of multi-frequency RF signals by extreme learning, using magnetic tunnel junctions as neurons and synapses [46.000685134136525]
磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
論文参考訳（メタデータ） (2022-11-02T14:09:42Z)
CycleTrans: Learning Neutral yet Discriminative Features for Visible-Infrared Person Re-Identification [79.84912525821255]
Visible-infrared person re-identification (VI-ReID) は、可視・赤外線モダリティ間で同一人物をマッチングするタスクである。既存のVI-ReID手法は主に、特徴識別性を犠牲にして、モダリティを越えて一般的な特徴を学習することに焦点を当てている。ニュートラルかつ差別的な特徴学習のための新しいサイクル構築型ネットワークであるCycleTransを提案する。
論文参考訳（メタデータ） (2022-08-21T08:41:40Z)
Human Emotion Classification based on EEG Signals Using Recurrent Neural Network And KNN [0.0]
脳波データからの感情分類が最近注目されている。脳波信号は脳-コンピュータインタフェースにとって重要なリソースである。チャネル選択前処理により, 善, 中, 負の感情に関連する脳波信号が同定された。
論文参考訳（メタデータ） (2022-05-10T16:20:14Z)
Electroencephalogram Signal Processing with Independent Component Analysis and Cognitive Stress Classification using Convolutional Neural Networks [0.0]
本稿では,独立成分分析(ICA)を用いた脳波信号の相互相関について提案する。記録データの結果から,脳波データの損失が少なくてEOG信号アーチファクトを除去できることが示唆された。
論文参考訳（メタデータ） (2021-08-22T18:38:12Z)
EEG multipurpose eye blink detector using convolutional neural network [0.0]
眼球運動によって放射される電気信号は、センサーに近接する脳波信号に非常に強いアーチファクトを生じる。本研究の目的は,CNN(contrivialal neural network)を用いた脳波信号の瞬き検出と除去のための信頼性とユーザ独立アルゴリズムを作成することである。
論文参考訳（メタデータ） (2021-07-29T03:34:42Z)
Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文参考訳（メタデータ） (2021-03-18T11:01:21Z)
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)
A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文参考訳（メタデータ） (2020-09-21T02:42:30Z)
Understanding Brain Dynamics for Color Perception using Wearable EEG headband [0.46335240643629344]
生の脳波信号の特徴から一次色を検出するマルチクラス分類モデルを設計した。本手法では,連続モードウェーブレット変換から得られる信号帯電力のスペクトルパワー特性,統計特性,相関特性を用いる。提案手法は, 対象物内分類において, 80.6%の精度が得られた。
論文参考訳（メタデータ） (2020-08-17T05:25:16Z)

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。