論文の概要: Visual Flow-based Programming Plugin for Brain Computer Interface in Computer-Aided Design

• arxiv url: http://arxiv.org/abs/2307.11023v1
• Date: Thu, 20 Jul 2023 16:50:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 16:51:03.072773
• Title: Visual Flow-based Programming Plugin for Brain Computer Interface in Computer-Aided Design
• Title（参考訳）: コンピュータ支援設計における脳神経インタフェースのためのビジュアルフローベースプログラミングプラグイン
• Authors: Tong Bill Xu and Saleh Kalantari
• Abstract要約: Brain Computer Interfaces (BCI) の主な応用は、車椅子と神経義肢を制御したり、モビリティに制限のある人々のためにテキストやコマンドを生成することである。 本稿では、神経科学やコンピュータプログラミングの経験の少ないデザイナーが神経学的データにアクセスできるようにする新しいBCIツールであるNeuronの開発と応用を紹介する。
• 参考スコア（独自算出の注目度）: 4.001565027566836
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the last half century, the main application of Brain Computer Interfaces, BCIs has been controlling wheelchairs and neural prostheses or generating text or commands for people with restricted mobility. There has been very limited attention in the field to applications for computer aided design, despite the potential of BCIs to provide a new form of environmental interaction. In this paper we introduce the development and application of Neuron, a novel BCI tool that enables designers with little experience in neuroscience or computer programming to gain access to neurological data, along with established metrics relevant to design, create BCI interaction prototypes, both with digital onscreen objects and physical devices, and evaluate designs based on neurological information and record measurements for further analysis. After discussing the BCI tool development, the article presents its capabilities through two case studies, along with a brief evaluation of the tool performance and a discussion of implications, limitations, and future improvement.
• Abstract（参考訳）: 過去半世紀にわたり、BCI(Brain Computer Interfaces, Brain Computer Interfaces, BCI)のメインの応用は、車椅子やニューラルな義肢を制御したり、モビリティに制限のある人々のためのテキストやコマンドを生成したりしてきた。 BCIが新しい形態の環境相互作用を提供する可能性にもかかわらず、コンピュータ支援設計の応用にはこの分野において非常に注意が向けられている。 本稿では、神経科学やコンピュータプログラミングの経験が乏しいデザイナーが、設計に関連する確立された指標とともに神経学的データにアクセスし、デジタルオンスクリーンオブジェクトと物理デバイスの両方でbciインタラクションプロトタイプを作成し、神経学的情報に基づいてデザインを評価し、さらなる分析を行うための新しいbciツールであるneuronの開発と応用について紹介する。 BCIツール開発について議論した後、この記事では2つのケーススタディを通じて、ツールのパフォーマンスを簡潔に評価し、意味、制限、将来の改善について議論する。

関連論文リスト

• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• An embedding for EEG signals learned using a triplet loss [0.0]
  脳-コンピュータインタフェース(BCI)では、デコードされた脳状態情報を最小の時間遅延で使用することができる。 このようなデコードタスクの課題は、小さなデータセットサイズによって引き起こされる。 神経生理学的データのための新しいドメイン特異的埋め込みを提案する。
  論文  参考訳（メタデータ） (2023-03-23T09:05:20Z)
• FingerFlex: Inferring Finger Trajectories from ECoG signals [68.8204255655161]
  FingerFlexモデル(FingerFlex model)は、脳波(ECoG)データに対する指の動きの回帰に適応した畳み込みエンコーダ・デコーダアーキテクチャである。 実測軌道と予測軌道の相関係数が最大0.74であるBCIコンペティションIVデータセット4で最先端の性能が達成された。
  論文  参考訳（メタデータ） (2022-10-23T16:26:01Z)
• The evolution of AI approaches for motor imagery EEG-based BCIs [2.294014185517203]
  運動画像(MI)脳波(EEG)ベースの脳コンピュータインタフェース(BCI)は、人間と機械の直接通信を可能にする。 これらのシステムは、医療分野からエンターテイメント産業にまたがるアプリケーションを開発する可能性を開く。 人工知能(AI)アプローチは、特にBCIユーザに正しい一貫性のあるフィードバックを提供したい場合に、基本的な重要性を持つ。
  論文  参考訳（メタデータ） (2022-10-11T07:42:54Z)
• In the realm of hybrid Brain: Human Brain and AI [0.0]
  現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。 近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。 クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
  論文  参考訳（メタデータ） (2022-10-04T08:35:34Z)
• Neuromorphic Artificial Intelligence Systems [58.1806704582023]
  フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。 この記事では、そのような制限と、それらが緩和される方法について論じる。 これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:16:05Z)
• Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
  フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。 フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。 これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
  論文  参考訳（メタデータ） (2020-10-30T21:41:44Z)
• Siamese Neural Networks for EEG-based Brain-computer Interfaces [18.472950822801362]
  我々は,シームズニューラルネットワークに基づく新しい脳波処理と特徴抽出パラダイムを提案する。 Siameseアーキテクチャは畳み込みニューラルネットワーク(CNN)に基づいて開発され、2つの入力の類似性に基づいたバイナリ出力を提供する。 このアーキテクチャの有効性は、Brain-Computer Interfaces (BCI) Competition IV-2aの4クラスのMotor Imageryデータセットで評価される。
  論文  参考訳（メタデータ） (2020-02-03T17:31:39Z)
• EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications [65.32004302942218]
  Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。 近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
  論文  参考訳（メタデータ） (2020-01-28T10:36:26Z)

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。