論文の概要: Algorithmic Clustering based on String Compression to Extract P300 Structure in EEG Signals

• arxiv url: http://arxiv.org/abs/2502.00220v1
• Date: Fri, 31 Jan 2025 23:16:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:52:32.351453
• Title: Algorithmic Clustering based on String Compression to Extract P300 Structure in EEG Signals
• Title（参考訳）: 脳波信号のP300構造抽出のための文字列圧縮に基づくアルゴリズムクラスタリング
• Authors: Guillermo Sarasa, Ana Granados, Francisco B Rodríguez,
• Abstract要約: 本研究では、正規化圧縮距離(NCD)に基づくクラスタリング手法を導入し、P300構造を抽出する。 2つのデータセットの実験結果は、関連するP300構造を明らかにする方法の能力を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: P300 is an Event-Related Potential widely used in Brain-Computer Interfaces, but its detection is challenging due to inter-subject and temporal variability. This work introduces a clustering methodology based on Normalized Compression Distance (NCD) to extract the P300 structure, ensuring robustness against variability. We propose a novel signal-to-ASCII transformation to generate compression-friendly objects, which are then clustered using a hierarchical tree-based method and a multidimensional projection approach. Experimental results on two datasets demonstrate the method's ability to reveal relevant P300 structures, showing clustering performance comparable to state-of-the-art approaches. Furthermore, analysis at the electrode level suggests that the method could assist in electrode selection for P300 detection. This compression-driven clustering methodology offers a complementary tool for EEG analysis and P300 identification.
• Abstract（参考訳）: P300は、Brain-Computer Interfacesで広く使われているイベント関連電位であるが、その検出は、オブジェクト間および時間的変動のために困難である。 本研究では,正規化圧縮距離(NCD)に基づくクラスタリング手法を導入し,P300構造を抽出し,変動性に対するロバスト性を確保する。 圧縮に優しいオブジェクトを生成するための新しい信号対ASCII変換を提案し、階層木法と多次元投影法を用いてクラスタ化する。 2つのデータセットの実験結果は、関連するP300構造を明らかにする方法の能力を示し、最先端のアプローチに匹敵するクラスタリング性能を示している。 さらに, 電極レベルの解析により, P300検出のための電極選択を補助できることが示唆された。 この圧縮駆動クラスタリング手法は、EEG分析とP300識別を補完するツールを提供する。

関連論文リスト

• Anomaly Detection in Time Series of EDFA Pump Currents to Monitor Degeneration Processes using Fuzzy Clustering [0.0]
  本稿では,EDFAシステムのポンプ電流時系列に対するファジィクラスタリングに基づく異常検出手法を提案する。 提案する変更検出フレームワーク(CDF)は,エントロピー解析(EA)と原理成分分析(PCA)とファジィクラスタリングの利点を戦略的に組み合わせている。
  論文  参考訳（メタデータ） (2024-08-12T14:23:42Z)
• Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
  脳波信号物理を利用した教師なし手法を提案する。 脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。 提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
  論文  参考訳（メタデータ） (2024-03-07T16:17:33Z)
• Modality-Agnostic Variational Compression of Implicit Neural Representations [96.35492043867104]
  Inlicit Neural Representation (INR) としてパラメータ化されたデータの関数的ビューに基づくモーダリティ非依存型ニューラル圧縮アルゴリズムを提案する。 潜時符号化と疎性の間のギャップを埋めて、ソフトゲーティング機構に非直線的にマッピングされたコンパクト潜時表現を得る。 このような潜在表現のデータセットを得た後、ニューラル圧縮を用いてモーダリティ非依存空間におけるレート/歪みトレードオフを直接最適化する。
  論文  参考訳（メタデータ） (2023-01-23T15:22:42Z)
• Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
  接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
  論文  参考訳（メタデータ） (2023-01-07T20:55:16Z)
• Energy-Efficient Tree-Based EEG Artifact Detection [17.085570466000906]
  てんかんモニタリングでは、脳波アーチファクトは振幅と周波数の両方で形態学的に類似しているため、発作と誤認されることが多い。 本研究では, 並列超低消費電力(PULP)組み込みプラットフォーム上で, 最小数のEEGチャネルに基づくアーティファクト検出アルゴリズムの実装について述べる。
  論文  参考訳（メタデータ） (2022-04-19T12:57:26Z)
• Fuzzy temporal convolutional neural networks in P300-based Brain-computer interface for smart home interaction [3.726817037277484]
  脳波パターンは、ノイズによる時間的変化と不確実性を示す。 これは、スマートホームインタラクションのためのP300ベースのBrain Computer Interfaceで対処すべき重要な問題である。 脳波信号、LSTM細胞、ファジィニューラルブロック(FNB)に修飾された時間畳み込みネットワーク(TCN)の逐次統合を提案する。
  論文  参考訳（メタデータ） (2022-04-09T00:35:35Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)
• Mu-suppression detection in motor imagery electroencephalographic signals using the generalized extreme value distribution [0.2062593640149623]
  本稿では脳-コンピュータインタフェース(BCI)における脳波信号からのミュー抑制の検出について述べる。 統計モデルと線形分類器に基づいて効率的なアルゴリズムを提案する。 予備的な結果から, 提案した統計モデルを用いて, ミュープレッションを正確に検出し, 異なる脳波事象を識別できることが示唆された。
  論文  参考訳（メタデータ） (2020-05-22T15:51:25Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)
• Multi-Scale Neural network for EEG Representation Learning in BCI [2.105172041656126]
  本稿では,複数の周波数/時間範囲における特徴表現を探索する深層多スケールニューラルネットワークを提案する。 スペクトル時間情報を用いた脳波信号の表現により,提案手法を多種多様なパラダイムに応用することができる。
  論文  参考訳（メタデータ） (2020-03-02T04:06:47Z)

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。