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
- EEG2TEXT: Open Vocabulary EEG-to-Text Decoding with EEG Pre-Training and Multi-View Transformer [4.863362296028391]
本稿では,脳波からテキストへのデコーディングの精度を向上させる新しい手法を提案する。
EEG2 TEXTUREは、コミュニケーションを容易にするための高性能なオープン語彙脳-テキストシステムの可能性を示している。
論文 参考訳(メタデータ) (2024-05-03T15:14:19Z) - Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with
Wider Topic Analysis [49.1574468325115]
詳細な研究は、2002年から2020年の間に英語で出版された133のASA論文を手作業で分析する。
主な発見は、機械学習、レキシコンベース、ハイブリッドアプローチといった、ASAで使用されるさまざまなアプローチを示している。
アラビア文字SAについては、業界だけでなく学術分野でも使用できるASAツールを開発する必要がある。
論文 参考訳(メタデータ) (2024-03-04T10:37:48Z) - Enhancing EEG-to-Text Decoding through Transferable Representations from
Pre-trained Contrastive EEG-Text Masked Autoencoder [73.94142233076079]
コントラスト型脳波テキストマスケード自動エンコーダ(CET-MAE)を提案する。
また、E2T-PTR(Pretrained Transferable Representationsを用いたEEG-to-Text decoding)と呼ばれるフレームワークを開発し、EEGシーケンスからテキストをデコードする。
論文 参考訳(メタデータ) (2024-02-27T11:45:21Z) - 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) - Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot
Sentiment Classification [78.120927891455]
最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。
本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。
脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
論文 参考訳(メタデータ) (2021-12-05T21:57:22Z) - BBC-Oxford British Sign Language Dataset [64.32108826673183]
我々は,British Sign Language (BSL) の大規模ビデオコレクションである BBC-Oxford British Sign Language (BOBSL) データセットを紹介する。
データセットのモチベーションと統計、利用可能なアノテーションについて説明する。
我々は、手話認識、手話アライメント、手話翻訳のタスクのベースラインを提供する実験を行う。
論文 参考訳(メタデータ) (2021-11-05T17:35:58Z) - 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) - Egyptian Sign Language Recognition Using CNN and LSTM [0.0]
本稿では、2つの異なるニューラルネットワークアーキテクチャを持つコンピュータビジョンシステムを提案する。
2つのモデルはそれぞれ90%と72%の精度を達成した。
エジプトの聴覚障害者コミュニティの9つの共通語(類似した記号)を区別するために、これらの2つの建築の力について検討した。
論文 参考訳(メタデータ) (2021-07-28T21:33:35Z) - 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)
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。