Fugu-MT 論文翻訳(概要): ArEEG_Chars: Dataset for Envisioned Speech Recognition using EEG for Arabic Characters

論文の概要: ArEEG_Chars: Dataset for Envisioned Speech Recognition using EEG for Arabic Characters

arxiv url: http://arxiv.org/abs/2402.15733v2
Date: Mon, 1 Apr 2024 06:59:21 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 08:29:27.837850
Title: ArEEG_Chars: Dataset for Envisioned Speech Recognition using EEG for Arabic Characters
Title（参考訳）: ArEEG_Chars: アラビア文字の脳波を用いた音声認識のためのデータセット
Authors: Hazem Darwish, Abdalrahman Al Malah, Khloud Al Jallad, Nada Ghneim,
Abstract要約: 我々は、アラビア文字のためのEEGデータセットを作成し、それをArEEG_Charsと命名した。 LSTMで最良の結果が得られ、精度は97%に達した。 ArEEG_Charsデータセットは研究者向けに公開されている。
参考スコア（独自算出の注目度）: 0.6749750044497731
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Brain-Computer-Interface (BCI) has been a hot research topic in the last few years that could help paralyzed people in their lives. Several researches were done to classify electroencephalography (EEG) signals automatically into English characters and words. Arabic language is one of the most used languages around the world. However, to the best of our knowledge, there is no dataset for Arabic characters EEG signals. In this paper, we have created an EEG dataset for Arabic characters and named it ArEEG_Chars. Moreover, several experiments were done on ArEEG_Chars using deep learning. Best results were achieved using LSTM and reached an accuracy of 97%. ArEEG_Chars dataset will be public for researchers.
Abstract（参考訳）: Brain-Computer-Interface(BCI)は、ここ数年、生活の中で麻痺する人々を助けるホットな研究トピックだ。脳波(EEG)信号を英語の文字や単語に自動的に分類するために、いくつかの研究がなされた。アラビア語は世界で最もよく使われている言語の一つである。しかし、私たちの知る限りでは、アラビア文字EEG信号のデータセットは存在しない。本稿では、アラビア文字のためのEEGデータセットを作成し、それをArEEG_Charsと命名した。さらに、ディープラーニングを用いてArEEG_Chars上でいくつかの実験を行った。 LSTMで最良の結果が得られ、精度は97%に達した。 ArEEG_Charsデータセットは研究者向けに公開されている。

関連論文リスト

Bukva: Russian Sign Language Alphabet [75.42794328290088]
本稿では,ロシア手話(RSL)ダクティルとしても知られる,ロシア語の指先文字の認識について検討する。ダクティル (Dactyl) は手の動きが書かれた言語の個々の文字を表す手話の構成要素である。当社は、RSLダクチル認識のための、最初の本格的なオープンソースビデオデータセットであるBakvaを提供している。
論文参考訳（メタデータ） (2024-10-11T09:59:48Z)
EgyBERT: A Large Language Model Pretrained on Egyptian Dialect Corpora [0.0]
本研究は、エジプト方言の10.4GBのテキストで事前訓練されたアラビア語の言語モデルであるEgyBERTを提示する。 EgyBERTは平均F1スコア84.25%、精度87.33%を達成した。本研究はエジプトの方言データセット上での各種言語モデルの性能を評価する最初の研究である。
論文参考訳（メタデータ） (2024-08-07T03:23:55Z)
An open dataset for oracle bone script recognition and decipherment [66.35957530824872]
古代中国最古の書体の一つ、Oracleの骨書は、3000年前にさかのぼる上海王朝の人文・地理を研究する学者にとって、貴重な研究資料を提示している。時間の経過はそれらの意味の多くを曖昧にしており、これらの古代のテキストを解読する上で重要な課題が提示されている。人工知能(AI)の出現により、Oracle Bone Characters(OBC)の解読を支援するAIが実現可能な選択肢となっている。このデータセットは1,588個の解読文字の77,064個の画像と9,411個の未解読文字の62,989個の画像を含む。
論文参考訳（メタデータ） (2024-01-27T09:54:16Z)
Slovo: Russian Sign Language Dataset [83.93252084624997]
本稿では,クラウドソーシングプラットフォームを用いたロシア手話(RSL)ビデオデータセットであるSlovoについて述べる。データセットには20,000のFullHDレコードが含まれており、194人の署名者が受信した1,000の独立したRSLジェスチャーに分割されている。
論文参考訳（メタデータ） (2023-05-23T21:00:42Z)
ArabSign: A Multi-modality Dataset and Benchmark for Continuous Arabic Sign Language Recognition [1.2691047660244335]
ArabSignデータセットは、6人の署名者が実行した9,335のサンプルで構成されている。記録された文の総時間はおよそ10時間であり、平均的な文の長さは3.1の記号である。連続型ArSL認識のためのエンコーダデコーダモデルを提案する。
論文参考訳（メタデータ） (2022-10-08T07:36:20Z)
Comprehensive Benchmark Datasets for Amharic Scene Text Detection and Recognition [56.048783994698425]
Ethiopic/Amharicスクリプトはアフリカ最古の書記システムの一つで、東アフリカで少なくとも23の言語に対応している。アムハラ語の表記体系である Abugida は282音節、15句の句読点、20の数字を持つ。 HUST-ART, HUST-AST, ABE, Tana という,自然界におけるアムハラ文字の検出と認識のための総合的な公開データセットを提示した。
論文参考訳（メタデータ） (2022-03-23T03:19:35Z)
Gesture based Arabic Sign Language Recognition for Impaired People based on Convolution Neural Network [0.0]
アラビア手話(ArSL)の認識は、アラビア手話(ArSL)のバリエーションにより難しい研究課題となっている。提案システムは、アラビア手話の手振りを入力とし、発声音声を出力する。結果は90%の人に認識された。
論文参考訳（メタデータ） (2022-03-10T19:36:04Z)
ASMDD: Arabic Speech Mispronunciation Detection Dataset [0.0]
このデータセットは、アラビア語でよく使われる上位100語を表す注釈付きオーディオファイルで構成されている。データセットは、専門家リスナーによるセグメント発音誤り検出に基づいて収集、注釈付けされる。
論文参考訳（メタデータ） (2021-11-01T16:50:07Z)
New Arabic Medical Dataset for Diseases Classification [55.41644538483948]
いくつかのアラブの医療ウェブサイトから収集された2000の医療資料を含む、アラブの医療データセットを新たに導入する。データセットはテキストの分類作業のために構築され、10つのクラス(Blood, Bone, Cardiovascular, Ear, Endocrine, Eye, Gastrointestinal, Immune, Liver, Nephrological)を含んでいる。データセットの実験は、GoogleのBERT、大きなアラビアのコーパスを持つBERTに基づくアラビアト、アラビアの医療コーパスをベースとしたAraBioNERの3つの事前トレーニングモデルによって行われた。
論文参考訳（メタデータ） (2021-06-29T10:42:53Z)
Decoding EEG Brain Activity for Multi-Modal Natural Language Processing [9.35961671939495]
自然言語処理タスクを改善するために脳波脳活動データの可能性を体系的に分析する最初の大規模研究を行った。脳波信号を周波数帯域にフィルタリングすることはブロードバンド信号よりも有益であることがわかった。単語埋め込みタイプの範囲のために、EEGデータは二分および三分感情の分類を改善し、複数のベースラインを上回ります。
論文参考訳（メタデータ） (2021-02-17T09:44:21Z)
Arabic Speech Recognition by End-to-End, Modular Systems and Human [56.96327247226586]
我々は、エンドツーエンド変換器ASR、モジュール型HMM-DNN ASR、および人間の音声認識のための包括的なベンチマークを行う。 ASRでは、エンドツーエンドの作業が12.5%、27.5%、23.8%のWERとなり、それぞれMGB2、MGB3、MGB5の新たなパフォーマンスマイルストーンとなった。以上の結果から,アラビア語における人的パフォーマンスは,平均3.6%のWERギャップを持つ機械に比べて,依然としてかなり優れていたことが示唆された。
論文参考訳（メタデータ） (2021-01-21T05:55:29Z)

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。