Fugu-MT 論文翻訳(概要): Exploring new territory: Calibration-free decoding for c-VEP BCI

論文の概要: Exploring new territory: Calibration-free decoding for c-VEP BCI

arxiv url: http://arxiv.org/abs/2403.15521v2
Date: Fri, 17 May 2024 14:48:53 GMT
ステータス: 処理完了
システム内更新日: 2024-05-20 18:22:03.463305
Title: Exploring new territory: Calibration-free decoding for c-VEP BCI
Title（参考訳）: 新しい領域を探る:c-VEP BCIの校正不要デコード
Authors: J. Thielen, J. Sosulski, M. Tangermann,
Abstract要約: 本研究では,脳-コンピュータインタフェース(BCI)のユーザビリティ向上を目的とした2つのゼロトレーニング手法について検討する。事象関連電位(ERP)領域に根ざした新しい手法,unsupervised mean(UMM)を導入する。正準相関解析(CCA)を用いた最先端のC-VEPゼロトレーニング法と比較する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study explores two zero-training methods aimed at enhancing the usability of brain-computer interfaces (BCIs) by eliminating the need for a calibration session. We introduce a novel method rooted in the event-related potential (ERP) domain, unsupervised mean maximization (UMM), to the fast code-modulated visual evoked potential (c-VEP) stimulus protocol. We compare UMM to the state-of-the-art c-VEP zero-training method that uses canonical correlation analysis (CCA). The comparison includes instantaneous classification and classification with cumulative learning from previously classified trials for both CCA and UMM. Our study shows the effectiveness of both methods in navigating the complexities of a c-VEP dataset, highlighting their differences and distinct strengths. This research not only provides insights into the practical implementation of calibration-free BCI methods but also paves the way for further exploration and refinement. Ultimately, the fusion of CCA and UMM holds promise for enhancing the accessibility and usability of BCI systems across various application domains and a multitude of stimulus protocols.
Abstract（参考訳）: 本研究では,脳-コンピュータインタフェース(BCI)のユーザビリティ向上を目的とした,校正セッションの不要化を目的とした2つのゼロトレーニング手法について検討した。本稿では, 事象関連電位 (ERP) 領域に根ざした新しい手法, 教師なし平均最大化 (UMM) を, 高速符号変調視覚誘発電位 (c-VEP) 刺激プロトコルに導入する。標準相関解析(CCA)を用いて,UMMと最先端のc-VEPゼロトレーニング法を比較した。比較対象は、CCAとUMMの双方に対して、以前に分類された試験から得られた累積学習と即時分類と分類を含む。本研究は,c-VEPデータセットの複雑さをナビゲートする手法の有効性を示し,その差と強度を明らかにする。この研究は、キャリブレーションフリーなBCI手法の実践的実装に関する洞察を提供するだけでなく、さらなる探索と改良の道を開く。 CCAとUMMの融合は、様々なアプリケーション領域にわたるBCIシステムのアクセシビリティとユーザビリティの向上と、多数の刺激プロトコルを約束する。

関連論文リスト

Unlocking the Potential of Similarity Matching: Scalability, Supervision and Pre-training [9.160910754837754]
バックプロパゲーション(BP)アルゴリズムは、生物学的な妥当性、計算コスト、オンライン学習に適した限界を示す。本研究は, 生体系における観察機構と整合する, 主に教師なし類似性マッチング(SM)フレームワークに焦点を当てた。
論文参考訳（メタデータ） (2023-08-02T20:34:55Z)
Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文参考訳（メタデータ） (2023-07-01T18:35:21Z)
Distilling Vision-Language Pre-training to Collaborate with Weakly-Supervised Temporal Action Localization [77.19173283023012]
微弱に監督された時間的アクションローカライゼーションは、カテゴリラベルのみによるアクションインスタンスの検出と分類を学ぶ。ほとんどの方法は、アクションローカライゼーションのためのビデオ特徴を生成するために、オフザシェルフ分類ベース事前訓練(CBP)を広く採用している。
論文参考訳（メタデータ） (2022-12-19T10:02:50Z)
GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP, and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文参考訳（メタデータ） (2022-11-03T16:42:40Z)
Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文参考訳（メタデータ） (2022-09-27T19:04:36Z)
Contrastive UCB: Provably Efficient Contrastive Self-Supervised Learning in Online Reinforcement Learning [92.18524491615548]
対照的な自己指導型学習は、(深層)強化学習(RL)の実践にうまく統合されている我々は,低ランク遷移を伴うマルコフ決定過程(MDP)とマルコフゲーム(MG)のクラスにおいて,コントラスト学習によってRLをどのように強化できるかを検討する。オンライン環境下では,MDPやMGのオンラインRLアルゴリズムと対照的な損失を生かした,新しい高信頼境界(UCB)型アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-29T17:29:08Z)
An Adaptive Task-Related Component Analysis Method for SSVEP recognition [0.913755431537592]
定常視覚誘発電位(SSVEP)認識法は、被験者の校正データから学習する。本研究では,限られたキャリブレーションデータから学習する新しい手法を開発した。
論文参考訳（メタデータ） (2022-04-17T15:12:40Z)
Minimizing subject-dependent calibration for BCI with Riemannian transfer learning [0.8399688944263843]
異なる被験者から記録されたデータに基づいて分類器を訓練し、良好な性能を保ちながら校正を減らそうとする手法を提案する。このアプローチの堅牢性を示すために,3つのBCIパラダイムに対して,複数のデータセットのメタ分析を行った。
論文参考訳（メタデータ） (2021-11-23T18:37:58Z)
ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文参考訳（メタデータ） (2021-09-09T06:02:50Z)
MIN2Net: End-to-End Multi-Task Learning for Subject-Independent Motor Imagery EEG Classification [10.773708402778025]
脳波のリズムは被験者に特有のものであり、時間とともに様々な変化が起こる。本稿では,この課題に対処するための新しいエンドツーエンドマルチタスク学習であるMIN2Netを提案する。深層学習をマルチタスクオートエンコーダに統合し,脳波からコンパクトかつ識別可能な潜在表現を学習する。
論文参考訳（メタデータ） (2021-02-07T15:20:23Z)
A Novel RL-assisted Deep Learning Framework for Task-informative Signals Selection and Classification for Spontaneous BCIs [2.299749220980997]
一つの脳波検定からタスク関連時間信号セグメントを推定・選択する問題を定式化する。本稿では,既存の深層学習に基づくBCI手法と組み合わせることができる新しい強化学習機構を提案する。
論文参考訳（メタデータ） (2020-07-01T00:35:41Z)

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。