論文の概要: Applying Dimensionality Reduction as Precursor to LSTM-CNN Models for
Classifying Imagery and Motor Signals in ECoG-Based BCIs
- arxiv url: http://arxiv.org/abs/2311.13507v1
- Date: Wed, 22 Nov 2023 16:34:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 14:26:17.495039
- Title: Applying Dimensionality Reduction as Precursor to LSTM-CNN Models for
Classifying Imagery and Motor Signals in ECoG-Based BCIs
- Title(参考訳): ECoG系BCIにおける画像とモータ信号の分類のためのLSTM-CNNモデルへの次元性低減の適用
- Authors: Soham Bafana
- Abstract要約: 本研究は,脳-コンピュータインタフェース(BCI)内での運動画像分類アルゴリズムを最適化することにより,領域を拡大することを目的とする。
我々は、次元削減のための教師なし手法、すなわち、一様多様体近似と投影(UMAP)とK-Nearest Neighbors(KNN)を利用する。
また,Long Short-Term Memory (LSTM) やConvolutional Neural Networks (CNN) といった教師付き手法を,分類タスクに活用することの必要性も評価した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motor impairments, frequently caused by neurological incidents like strokes
or traumatic brain injuries, present substantial obstacles in rehabilitation
therapy. This research aims to elevate the field by optimizing motor imagery
classification algorithms within Brain-Computer Interfaces (BCIs). By improving
the efficiency of BCIs, we offer a novel approach that holds significant
promise for enhancing motor rehabilitation outcomes. Utilizing unsupervised
techniques for dimensionality reduction, namely Uniform Manifold Approximation
and Projection (UMAP) coupled with K-Nearest Neighbors (KNN), we evaluate the
necessity of employing supervised methods such as Long Short-Term Memory (LSTM)
and Convolutional Neural Networks (CNNs) for classification tasks. Importantly,
participants who exhibited high KNN scores following UMAP dimensionality
reduction also achieved high accuracy in supervised deep learning (DL) models.
Due to individualized model requirements and massive neural training data,
dimensionality reduction becomes an effective preprocessing step that minimizes
the need for extensive data labeling and supervised deep learning techniques.
This approach has significant implications not only for targeted therapies in
motor dysfunction but also for addressing regulatory, safety, and reliability
concerns in the rapidly evolving BCI field.
- Abstract(参考訳): 脳卒中や外傷性脳損傷などの神経障害によってしばしば引き起こされる運動障害は、リハビリテーション療法においてかなりの障害となる。
本研究の目的は,脳-コンピュータインタフェース(BCI)内の運動画像分類アルゴリズムを最適化することにより,領域を拡大することである。
本稿では,BCIの効率を向上させることによって,運動リハビリテーションの成果を高めるための新たなアプローチを提案する。
k-nearest neighbors (knn) と組み合わされた一様多様体近似および投影 (umap) という次元減少のための教師なし手法を用いて,long short-term memory (lstm) や convolutional neural network (cnns) といった教師あり手法を用いた分類作業の必要性を評価した。
また, 教師付き深層学習(DL)モデルでは, UMAP次元減少後の高いKNNスコアを示した被験者も高い精度を達成できた。
個別化されたモデル要件と大規模なニューラルトレーニングデータにより、次元性の低減は、広範なデータラベリングと教師付きディープラーニング技術の必要性を最小限に抑える効果的な前処理ステップとなる。
このアプローチは、運動機能障害の標的治療だけでなく、急速に発展するBCI分野における規制、安全性、信頼性の懸念にも大きな影響を与える。
関連論文リスト
- Event-Driven Learning for Spiking Neural Networks [43.17286932151372]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングの分野で注目されている。
バックプロパゲーション学習コストを最小限に抑えるために、SNNのスパースイベント駆動プロパティから効果的に利益を得るには、依然としてオープンな課題である。
本稿では,スパイクタイミング依存イベント駆動(STD-ED)アルゴリズムと膜電位依存イベント駆動(MPD-ED)アルゴリズムの2つの新しい学習手法を紹介する。
論文 参考訳(メタデータ) (2024-03-01T04:17:59Z) - Sparse Multitask Learning for Efficient Neural Representation of Motor
Imagery and Execution [30.186917337606477]
運動画像(MI)と運動実行(ME)タスクのためのスパースマルチタスク学習フレームワークを提案する。
MI-ME分類のためのデュアルタスクCNNモデルが与えられた場合、過渡的な接続に対して、サリエンシに基づくスペーシフィケーションアプローチを適用する。
以上の結果から, この調整された疎水性は, 過度に適合する問題を緩和し, 少ないデータ量でテスト性能を向上させることが示唆された。
論文 参考訳(メタデータ) (2023-12-10T09:06:16Z) - CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular
Segmentation of Enhanced TOF-MRA Images [2.5311562666866494]
脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。
低と高のセマンティクスを組み合わせるために,注意機構を適用した。
このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
論文 参考訳(メタデータ) (2023-11-16T22:31:05Z) - Correlative Information Maximization: A Biologically Plausible Approach
to Supervised Deep Neural Networks without Weight Symmetry [43.584567991256925]
本稿では,生体神経ネットワークにおける信号伝達を前方方向と後方方向の両方で記述するための新しい規範的アプローチを提案する。
このフレームワークは、従来のニューラルネットワークとバックプロパゲーションアルゴリズムの生物学的評価可能性に関する多くの懸念に対処する。
提案手法は,前方信号伝搬路と後方信号伝搬路の重み対称性問題に対する自然な解法を提供する。
論文 参考訳(メタデータ) (2023-06-07T22:14:33Z) - Early Bearing Fault Diagnosis of Rotating Machinery by 1D Self-Organized
Operational Neural Networks [23.455010509133313]
現代の電気回転機械(RM)の予防メンテナンスは、信頼性の高い運転の確保、予測不能な故障の防止、コストのかかる修理の回避に重要である。
本研究では1次元自己組織型ONN(Self-ONNs)を提案する。
NSF/IMSベアリング振動データセットに対する実験結果から,提案した1D Self-ONNは,計算複雑性の類似した最先端(1D CNN)に対して,大きな性能ギャップを達成できることが示された。
論文 参考訳(メタデータ) (2021-09-30T06:32:34Z) - Initialization Matters: Regularizing Manifold-informed Initialization
for Neural Recommendation Systems [47.49065927541129]
我々は、Laplacian Eigenmapsと呼ばれる、分離データ(LEPORID)に対する人気に基づく正規化を用いた新しいユーザ埋め込み方式を提案する。
LEPORIDは、データ多様体上のマルチスケール近傍構造に関する情報を埋め込みに付与し、データ分布の尾に高い埋め込み分散を補う適応正規化を行う。
我々は、LEPORIDを持つ既存のニューラルネットワークが、KNNと同等かそれ以上に動作することを示す。
論文 参考訳(メタデータ) (2021-06-09T11:26:18Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳(メタデータ) (2021-05-17T15:43:59Z) - Closed-Loop Neural Interfaces with Embedded Machine Learning [12.977151652608047]
ニューラルネットワークに機械学習を組み込むことの最近の進歩を概観する。
脳インプラントにおける神経信号の低消費電力・メモリ効率分類のための木モデルを提案する。
エネルギー認識学習とモデル圧縮を用いて、提案した斜め木は、発作や震動検出、モータ復号といった応用において、従来の機械学習モデルより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-15T14:34:08Z) - Performance of Dual-Augmented Lagrangian Method and Common Spatial
Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。
使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
論文 参考訳(メタデータ) (2020-10-13T20:50:13Z) - Progressive Tandem Learning for Pattern Recognition with Deep Spiking
Neural Networks [80.15411508088522]
スパイキングニューラルネットワーク(SNN)は、低レイテンシと高い計算効率のために、従来の人工知能ニューラルネットワーク(ANN)よりも優位性を示している。
高速かつ効率的なパターン認識のための新しいANN-to-SNN変換およびレイヤワイズ学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-02T15:38:44Z) - Rectified Linear Postsynaptic Potential Function for Backpropagation in
Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。
本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文 参考訳(メタデータ) (2020-03-26T11:13:07Z)
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。