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
- SLYKLatent, a Learning Framework for Facial Features Estimation [0.0]
SLYKLatentは、データセットの外観不安定性問題に対処することで、視線推定を向上するための新しいアプローチである。
ベンチマークデータセットの評価では,上位MPIIFaceGazeと競合するGaze360が8.7%向上し,ETH-XGazeのサブセットが13%向上した。
論文 参考訳(メタデータ) (2024-02-02T16:47:18Z) - 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) - Accelerating material discovery with a threshold-driven hybrid
acquisition policy-based Bayesian optimization [4.021352247826289]
本稿では,Threshold-Driven UCB-EI Bayesian Optimization (TDUE-BO)法を提案する。
物質発見過程を最適化するために、上信頼境界(UCB)と期待改善関数(EI)の強みを動的に統合する。
RMSEのスコアと収束効率の観点から,EI法とCB法を併用したBO法よりも高い近似と最適化性能を示した。
論文 参考訳(メタデータ) (2023-11-16T06:02:48Z) - Hyperspectral Benchmark: Bridging the Gap between HSI Applications
through Comprehensive Dataset and Pretraining [11.935879491267634]
ハイパースペクトルイメージング (HSI) は、様々な応用の非破壊空間分光技術として機能する。
繰り返し発生する課題は、ターゲットデータセットの限られたサイズであり、徹底的なアーキテクチャ検索を妨げる。
本研究は、3つの顕著な異なるHSIアプリケーションを含む革新的なベンチマークデータセットを紹介する。
論文 参考訳(メタデータ) (2023-09-20T08:08:34Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳(メタデータ) (2023-05-22T11:08:00Z) - Trust Your $\nabla$: Gradient-based Intervention Targeting for Causal Discovery [49.084423861263524]
本稿では,GIT を短縮した新しいグラディエント型インターベンションターゲティング手法を提案する。
GITは、介入獲得関数の信号を提供するために勾配に基づく因果探索フレームワークの勾配推定器を「信頼」する。
我々はシミュレーションおよび実世界のデータセットで広範な実験を行い、GITが競合するベースラインと同等に動作することを示す。
論文 参考訳(メタデータ) (2022-11-24T17:04:45Z) - 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) - Deep neural networks approach to microbial colony detection -- a
comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。
得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文 参考訳(メタデータ) (2021-08-23T12:06:00Z) - 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。