論文の概要: Evaluation Of P300 Speller Performance Using Large Language Models Along With Cross-Subject Training

• arxiv url: http://arxiv.org/abs/2410.15161v1
• Date: Sat, 19 Oct 2024 17:23:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:17:53.229351
• Title: Evaluation Of P300 Speller Performance Using Large Language Models Along With Cross-Subject Training
• Title（参考訳）: 大規模言語モデルを用いた多目的学習によるP300スペーラの性能評価
• Authors: Nithin Parthasarathy, James Soetedjo, Saarang Panchavati, Nitya Parthasarathy, Corey Arnold, Nader Pouratian, William Speier,
• Abstract要約: P300スペル脳コンピュータインタフェース(BCI)は、被験者の文字に対する脳波応答を活用することで、代替の通信媒体を提供する。 本研究は、特にマルチオブジェクトのトレーニングにおいて鍵となる制約に対処することで、そのテーマに基づいている。
• 参考スコア（独自算出の注目度）: 2.231337550816627
• License:
• Abstract: Amyotrophic lateral sclerosis (ALS), a progressive neuromuscular degenerative disease, severely restricts patient communication capacity within a few years of onset, resulting in a significant deterioration of quality of life. The P300 speller brain computer interface (BCI) offers an alternative communication medium by leveraging a subject's EEG response to characters traditionally highlighted on a character grid on a graphical user interface (GUI). A recurring theme in P300-based research is enhancing performance to enable faster subject interaction. This study builds on that theme by addressing key limitations, particularly in the training of multi-subject classifiers, and by integrating advanced language models to optimize stimuli presentation and word prediction, thereby improving communication efficiency. Furthermore, various advanced large language models such as Generative Pre-Trained Transformer (GPT2), BERT, and BART, alongside Dijkstra's algorithm, are utilized to optimize stimuli and provide word completion choices based on the spelling history. In addition, a multi-layered smoothing approach is applied to allow for out-of-vocabulary (OOV) words. By conducting extensive simulations based on randomly sampled EEG data from subjects, we show substantial speed improvements in typing passages that include rare and out-of-vocabulary (OOV) words, with the extent of improvement varying depending on the language model utilized. The gains through such character-level interface optimizations are approximately 10%, and GPT2 for multi-word prediction provides gains of around 40%. In particular, some large language models achieve performance levels within 10% of the theoretical performance limits established in this study. In addition, both within and across subjects, training techniques are explored, and speed improvements are shown to hold in both cases.
• Abstract（参考訳）: 進行性神経筋変性疾患である筋萎縮性側索硬化症(Amyotrophic lateral sclerosis:ALS)は、発症後数年で患者のコミュニケーション能力を著しく制限し、生活の質が著しく低下する。 P300スペル・ブレイン・コンピュータ・インタフェース(BCI)は、グラフィカル・ユーザー・インタフェース(GUI)上の文字グリッド上で伝統的に強調される文字に対する被験者のEEG応答を活用することで、代替の通信媒体を提供する。 P300ベースの研究における繰り返しのテーマは、より高速な主観的相互作用を実現するためにパフォーマンスを向上させることである。 本研究は、特に多目的分類器の訓練における鍵となる制約に対処し、高度な言語モデルを統合することにより、刺激提示と単語予測を最適化し、コミュニケーション効率を向上させることによって、そのテーマを構築した。 さらに、Dijkstraのアルゴリズムとともに、生成事前学習変換(GPT2)、BERT、BARTなどの先進的な大規模言語モデルを用いて、刺激の最適化と綴り履歴に基づく単語補完の選択を行う。 さらに,複数層スムース化手法を適用して,語彙外単語(OOV)を実現する。 被験者の無作為にサンプリングした脳波データに基づいて広範囲なシミュレーションを行うことで,言語モデルによって改善の度合いが変化し,希少語や外語彙(OOV)単語を含むタイピングパスの大幅な高速化が示された。 このような文字レベルのインタフェース最適化によるゲインは約10%であり、マルチワード予測のためのGPT2は約40%のゲインを提供する。 特に、いくつかの大規模言語モデルは、この研究で確立された理論的性能限界の10%以内のパフォーマンスレベルを達成する。 また、被験者内および被検者間の双方でトレーニング手法が検討され、どちらの場合においても速度改善が維持されることが示された。

関連論文リスト

• LoGra-Med: Long Context Multi-Graph Alignment for Medical Vision-Language Model [55.80651780294357]
  最新の医療用マルチモーダル大規模言語モデル(med-MLLM)は、事前訓練において命令追従データを活用する。 LoGra-Medは新しいマルチグラフアライメントアルゴリズムで、画像のモダリティ、会話ベースの記述、拡張キャプション間でのトリプルト相関を強制する。 以上の結果から,LoGra-Medは医療用VQAの600K画像テキスト対に対してLAVA-Medと一致し,その10%でトレーニングした場合に有意に優れていた。
  論文  参考訳（メタデータ） (2024-10-03T15:52:03Z)
• High Performance P300 Spellers Using GPT2 Word Prediction With Cross-Subject Training [2.231337550816627]
  P300スペル・ブレイン・コンピュータ・インタフェース(BCI)は、グリッド・インタフェースに表示される文字に対して被験者の脳波応答を解釈することで、代替的な通信手段を提供する。 本稿では,効率的なP300ベース多目的分類器の学習において発生する共通速度制限について述べる。 我々は第2世代の生成事前学習変換器(GPT2)とDijkstraのアルゴリズムを組み合わせて刺激の最適化と単語補完の選択を提案する。
  論文  参考訳（メタデータ） (2024-05-22T04:15:41Z)
• Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding [6.014363449216054]
  神経科学に現代的な表現型学習アプローチをもたらす非侵襲的な脳記録のためのエンドツーエンドのディープラーニングフレームワークを提案する。 BLEU-1スコアは42.75%,ROUGE-1-F33.28%,BERTScore-F53.86%で,それぞれ3.38%,8.43%,6.31%であった。
  論文  参考訳（メタデータ） (2023-11-15T08:03:09Z)
• Sequential Best-Arm Identification with Application to Brain-Computer Interface [34.87975833920409]
  脳コンピュータインタフェース(BCI)は、脳と外部デバイスまたはコンピュータシステムとの直接通信を可能にする技術である。 脳波(EEG)と事象関連電位(ERP)に基づくスペルシステム(ERP)は、物理キーボードを使わずに単語をスペルできるBCIの一種である。 本稿では,固定信頼度設定と固定予算設定の下での逐次トップ2トンプソンサンプリング(STTS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-17T18:49:44Z)
• Exploring Dimensionality Reduction Techniques in Multilingual Transformers [64.78260098263489]
  本稿では,多言語シームス変圧器の性能に及ぼす次元還元法の影響を包括的に考察する。 これは、それぞれ91.58% pm 2.59%$と54.65% pm 32.20%$の次元を平均で減少させることが可能であることを示している。
  論文  参考訳（メタデータ） (2022-04-18T17:20:55Z)
• 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)
• Improving Classifier Training Efficiency for Automatic Cyberbullying Detection with Feature Density [58.64907136562178]
  言語支援の異なる特徴前処理手法を用いて特徴密度(FD)の有効性を検討した。 データセットの複雑さを推定することで、必要な実験の数を削減できると仮定する。 データセットの言語的複雑さの違いにより、言語的に支援された単語前処理の有効性を議論することが可能になる。
  論文  参考訳（メタデータ） (2021-11-02T15:48:28Z)
• Factorized Neural Transducer for Efficient Language Model Adaptation [51.81097243306204]
  空白および語彙予測を分解し,ニューラルトランスデューサの因子化モデルを提案する。 この因子化は、音声認識のためのトランスデューサにスタンドアロン言語モデルの改善を移すことが期待できる。 提案した因子化ニューラルトランスデューサは、言語モデル適応にドメイン外テキストデータを使用する場合、15%から20%のWER改善が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-27T15:04:00Z)
• Extending the Abstraction of Personality Types based on MBTI with Machine Learning and Natural Language Processing [0.0]
  MBTIに基づく人格型予測のための自然言語処理(NLP)を用いたデータ中心型アプローチ 実験は、積み重ねられたモデルの堅牢なベースラインを持っていた。 その結果、データ反復ループへの注目は、より関連性の高い/重要なリソースの抽象化のための品質、説明力、代表性に焦点が当てられた。
  論文  参考訳（メタデータ） (2021-05-25T10:00:16Z)
• Data Augmentation for Spoken Language Understanding via Pretrained Language Models [113.56329266325902]
  音声言語理解(SLU)モデルの訓練は、しばしばデータ不足の問題に直面している。 我々は,事前学習言語モデルを用いたデータ拡張手法を提案し,生成した発話の変動性と精度を向上した。
  論文  参考訳（メタデータ） (2020-04-29T04:07:12Z)

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。