Fugu-MT 論文翻訳(概要): MindBigData 2023 MNIST-8B The 8 billion datapoints Multimodal Dataset of Brain Signals

論文の概要: MindBigData 2023 MNIST-8B The 8 billion datapoints Multimodal Dataset of Brain Signals

arxiv url: http://arxiv.org/abs/2306.00455v1
Date: Thu, 1 Jun 2023 08:58:35 GMT
ステータス: 処理完了
システム内更新日: 2023-06-02 17:33:35.375598
Title: MindBigData 2023 MNIST-8B The 8 billion datapoints Multimodal Dataset of Brain Signals
Title（参考訳）: MindBigData 2023 MNIST-8B 80億のデータポイントと脳信号のマルチモーダルデータセット
Authors: David Vivancos
Abstract要約: MindBigData 2023 MNIST-8Bは、機械学習のために作成されたオープンデータセットである、これまでで最大(2023年6月1日)の脳信号である。カスタムの128チャンネルデバイスを使用してキャプチャされた単一の被写体からのEEG信号に基づいて、Yaan LeCun氏らの全MNISTデータセットから70,000桁を複製する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: MindBigData 2023 MNIST-8B is the largest, to date (June 1st 2023), brain signals open dataset created for Machine Learning, based on EEG signals from a single subject captured using a custom 128 channels device, replicating the full 70,000 digits from Yaan LeCun et all MNIST dataset. The brain signals were captured while the subject was watching the pixels of the original digits one by one on a screen and listening at the same time to the spoken number 0 to 9 from the real label. The data, collection procedures, hardware and software created are described in detail, background extra information and other related datasets can be found at our previous paper MindBigData 2022: A Large Dataset of Brain Signals.
Abstract（参考訳）: mindbigdata 2023 mnist-8bは、これまでに最大(2023年6月1日)で、機械学習用に作成された脳信号オープンデータセットで、カスタム128チャネルデバイスでキャプチャされた単一の被験者からの脳波信号に基づいて、yaan lecun氏らの全mnistデータセットから70,000桁を複製する。被験者が元の数字のピクセルを画面で1つずつ見て、同時に実際のラベルから発声番号0〜9に耳を傾けている間に、脳の信号がキャプチャされた。作成したデータ、収集手順、ハードウェア、ソフトウェアの詳細は、以前の論文MindBigData 2022: A Large Dataset of Brain Signalsに記載されている。

関連論文リスト

Nymeria: A Massive Collection of Multimodal Egocentric Daily Motion in the Wild [66.34146236875822]
ニメリアデータセット(Nymeria dataset)は、複数のマルチモーダル・エゴセントリックなデバイスで野生で収集された、大規模で多様な、多彩な注釈付けされた人間のモーションデータセットである。合計で399Kmを走行し、50か所にわたる264人の参加者から毎日300時間の録音を1200件記録している。動作言語記述は、語彙サイズ6545の8.64万語で310.5K文を提供する。
論文参考訳（メタデータ） (2024-06-14T10:23:53Z)
Alljoined1 -- A dataset for EEG-to-Image decoding [0.34916566835324514]
Alljoined1は、EEGから画像へのデコーディングに特化したデータセットである。我々は64チャンネルの脳波ヘッドセットで記録された46,080の脳反応を収集した。
論文参考訳（メタデータ） (2024-04-08T14:21:34Z)
Generating QM1B with PySCF$_{\text{IPU}}$ [40.29005019051567]
本稿では,インテリジェンス処理ユニット(IPU)を用いたデータジェネレータPySCF$_textIPU$を紹介する。これにより、9-11重原子を含む10億のトレーニング例でデータセットのQM1Bを作成することができます。 QM1Bのいくつかの制限を強調し、DFTオプションの低解像度を強調します。
論文参考訳（メタデータ） (2023-11-02T10:31:20Z)
MindBigData 2022 A Large Dataset of Brain Signals [0.0]
MindBigDataは、多様な人間の活動に関連する脳信号の包括的かつ更新されたデータセットを提供することを目指している。各サブデータセットのデータ収集手順と,それらを取得するために使用するヘッドセットについて述べる。また、何十億もの生命に影響を及ぼす可能性のある脳コンピュータインタフェース(BCI)の分野での応用の可能性についても報告する。
論文参考訳（メタデータ） (2022-12-27T21:15:13Z)
Data-Driven Network Neuroscience: On Data Collection and Benchmark [6.796086914275059]
本稿では,神経科学,機械学習,グラフ解析の交わりにおける潜在的な研究のための,機能的ヒト脳ネットワークデータの収集について述べる。データセットは6つの異なるソースから始まり、4つの脳の状態をカバーし、合計で2,702人の被験者で構成されている。
論文参考訳（メタデータ） (2022-11-11T02:14:28Z)
MedMNIST v2: A Large-Scale Lightweight Benchmark for 2D and 3D Biomedical Image Classification [59.10015984688104]
MedMNIST v2は、MNISTに似た大規模データセットコレクションである。得られたデータセットは708,069個の2D画像と10,214個の3D画像で構成されている。
論文参考訳（メタデータ） (2021-10-27T22:02:04Z)
Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-09-18T00:21:17Z)
Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文参考訳（メタデータ） (2021-09-12T19:33:34Z)
A Multimodal Eye Movement Dataset and a Multimodal Eye Movement Segmentation Analysis [10.09989832938416]
注視眼球運動を伴う新しいデータセットを提案する。データセットは、現実世界やシミュレーターでの乗車中に記録された80万以上の視線ポイントで構成されている。合計19名の被験者の眼球運動を注記した。
論文参考訳（メタデータ） (2021-01-12T06:34:56Z)
ACRONYM: A Large-Scale Grasp Dataset Based on Simulation [64.37675024289857]
ACRONYMは物理シミュレーションに基づくロボットグリップ計画のためのデータセットである。データセットには17.7Mのパラレルジャウグリップが含まれ、262の異なるカテゴリから8872のオブジェクトにまたがっている。我々は、この大規模で多様なデータセットの価値を、2つの最先端の学習に基づく把握計画アルゴリズムの訓練に利用することで示す。
論文参考訳（メタデータ） (2020-11-18T23:24:00Z)
Sketch and Scale: Geo-distributed tSNE and UMAP [75.44887265789056]
地理的に分散したデータセット上で機械学習分析を実行することは、急速に発生する問題である。私たちはSketch and Scale(SnS)という新しいフレームワークを紹介します。これはCount Sketchデータ構造を利用して、エッジノード上のデータを圧縮し、マスターノード上の縮小サイズスケッチを集約し、サマリ上でバニラtSNEまたはUMAPを実行する。我々は、この技術が完全に並列で、線形に時間にスケールし、メモリに対数的に分散し、通信し、世界中の複数のデータセンターにまたがる数百万、数十億のデータポイントでデータセットを解析できることを示す。
論文参考訳（メタデータ） (2020-11-11T22:32:21Z)

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。