論文の概要: The largest EEG-based BCI reproducibility study for open science: the MOABB benchmark
- arxiv url: http://arxiv.org/abs/2404.15319v1
- Date: Wed, 3 Apr 2024 15:18:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-28 10:56:51.098499
- Title: The largest EEG-based BCI reproducibility study for open science: the MOABB benchmark
- Title（参考訳）: 脳波を用いたオープンサイエンスのための最大のBCI再現性研究:MOABBベンチマーク
- Authors: Sylvain Chevallier, Igor Carrara, Bruno Aristimunha, Pierre Guetschel, Sara Sedlar, Bruna Lopes, Sebastien Velut, Salim Khazem, Thomas Moreau,
- Abstract要約: 本研究は、オープン脳波データセットにおける脳-コンピュータインターフェース(BCI)の広範な解析を行う。
このようなベンチマークの必要性は、未公表のプロプライエタリなソリューションを生み出した産業の急速な進歩にある。
- 参考スコア（独自算出の注目度）: 6.116258355914058
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective. This study conduct an extensive Brain-computer interfaces (BCI) reproducibility analysis on open electroencephalography datasets, aiming to assess existing solutions and establish open and reproducible benchmarks for effective comparison within the field. The need for such benchmark lies in the rapid industrial progress that has given rise to undisclosed proprietary solutions. Furthermore, the scientific literature is dense, often featuring challenging-to-reproduce evaluations, making comparisons between existing approaches arduous. Approach. Within an open framework, 30 machine learning pipelines (separated into raw signal: 11, Riemannian: 13, deep learning: 6) are meticulously re-implemented and evaluated across 36 publicly available datasets, including motor imagery (14), P300 (15), and SSVEP (7). The analysis incorporates statistical meta-analysis techniques for results assessment, encompassing execution time and environmental impact considerations. Main results. The study yields principled and robust results applicable to various BCI paradigms, emphasizing motor imagery, P300, and SSVEP. Notably, Riemannian approaches utilizing spatial covariance matrices exhibit superior performance, underscoring the necessity for significant data volumes to achieve competitive outcomes with deep learning techniques. The comprehensive results are openly accessible, paving the way for future research to further enhance reproducibility in the BCI domain. Significance. The significance of this study lies in its contribution to establishing a rigorous and transparent benchmark for BCI research, offering insights into optimal methodologies and highlighting the importance of reproducibility in driving advancements within the field.
- Abstract（参考訳）: 目的。
本研究では、オープン脳波データセット上での脳-コンピュータ・インタフェース(BCI)の再現性解析を行い、既存のソリューションを評価し、フィールド内で効果的に比較するためのオープンかつ再現可能なベンチマークを確立することを目的とする。
このようなベンチマークの必要性は、未公表のプロプライエタリなソリューションを生み出した産業の急速な進歩にある。
さらに、科学文献は密集しており、しばしば挑戦的かつ再現的な評価が特徴であり、既存のアプローチの比較は困難である。
アプローチ。
オープンフレームワーク内では、30の機械学習パイプライン(生信号:11、リーマン語:13、ディープラーニング:6)が慎重に再実装され、モーターイメージ(14)、P300(15)、SSVEP(7)を含む36の公開データセットで評価される。
この分析には、実行時間と環境影響を考慮した結果評価のための統計的メタ分析技術が組み込まれている。
主な結果。
本研究は, 運動画像, P300, SSVEPに着目した, 各種BCIパラダイムに適用可能な, 基本的かつ堅牢な結果をもたらす。
特に、空間共分散行列を利用したリーマン的アプローチは優れた性能を示し、深層学習技術による競合的な結果を達成するために、重要なデータボリュームの必要性を強調している。
包括的な結果は公開されており、将来の研究がBCIドメインの再現性をさらに向上させる道を開く。
重要なこと。
本研究の意義は、BCI研究のための厳密で透明なベンチマークを確立すること、最適方法論に関する洞察を提供すること、および分野における進歩の推進における再現性の重要性を明らかにすることにある。
関連論文リスト
- Revisiting BPR: A Replicability Study of a Common Recommender System Baseline [78.00363373925758]
我々は,BPRモデルの特徴を考察し,その性能への影響を示し,オープンソースのBPR実装について検討する。
分析の結果,これらの実装とオリジナルのBPR論文の矛盾が明らかとなり,特定の実装に対して最大50%の性能低下がみられた。
BPRモデルは、トップnのレコメンデーションタスクにおける最先端メソッドに近いパフォーマンスレベルを達成でき、特定のデータセット上でもパフォーマンスが向上することを示す。
論文 参考訳（メタデータ） (2024-09-21T18:39:53Z) - Prediction of the Realisation of an Information Need: An EEG Study [0.0]
本研究は,質問応答(Q/A)タスクにおいて,14項目にわたる脳波データ内のINの実現を予測できる能力について検討した。
脳波データは、73.5%の精度で全被験者にわたるINの実現をリアルタイムに予測するのに十分である。
論文 参考訳（メタデータ） (2024-06-12T11:34:19Z) - OCDB: Revisiting Causal Discovery with a Comprehensive Benchmark and Evaluation Framework [21.87740178652843]
因果発見は透明性と信頼性を改善するための有望なアプローチを提供する。
本稿では,因果構造と因果効果の違いを評価するための指標を用いたフレキシブルな評価フレームワークを提案する。
実データに基づくOpen Causal Discovery Benchmark (OCDB)を導入し、公正な比較を促進し、アルゴリズムの最適化を促進する。
論文 参考訳（メタデータ） (2024-06-07T03:09:22Z) - GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。
GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。
本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
論文 参考訳（メタデータ） (2024-06-01T08:01:05Z) - Deriving Causal Order from Single-Variable Interventions: Guarantees & Algorithm [14.980926991441345]
介入データを含むデータセットは,データ分布に関する現実的な仮定の下で効果的に抽出可能であることを示す。
観察的および介入的設定における各変数の限界分布の比較に依拠する介入忠実性を導入する。
また、多数の単一変数の介入を含むデータセットから因果順序を推測するアルゴリズムであるIntersortを導入する。
論文 参考訳（メタデータ） (2024-05-28T16:07:17Z) - Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。
検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。
また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
論文 参考訳（メタデータ） (2024-05-27T17:59:39Z) - A Reliable Knowledge Processing Framework for Combustion Science using
Foundation Models [0.0]
この研究は、多様な燃焼研究データを処理し、実験研究、シミュレーション、文献にまたがるアプローチを導入している。
開発されたアプローチは、データのプライバシと精度を最適化しながら、計算と経済の費用を最小化する。
このフレームワークは、最小限の人間の監視で、常に正確なドメイン固有の応答を提供する。
論文 参考訳（メタデータ） (2023-12-31T17:15:25Z) - CausalBench: A Large-scale Benchmark for Network Inference from
Single-cell Perturbation Data [61.088705993848606]
本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。
CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
論文 参考訳（メタデータ） (2022-10-31T13:04:07Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - BEIR: A Heterogenous Benchmark for Zero-shot Evaluation of Information
Retrieval Models [41.45240621979654]
情報検索のための異種ベンチマークであるBEIRを紹介する。
ゼロショット評価設定における9つの最先端の検索モデルの有効性を検討する。
Dense-Retrievalモデルは計算効率が良いが、他のアプローチでは性能が劣ることが多い。
論文 参考訳（メタデータ） (2021-04-17T23:29:55Z)
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。