論文の概要: Interpretable Dual-Filter Fuzzy Neural Networks for Affective Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2502.17445v1
• Date: Wed, 29 Jan 2025 14:31:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 04:52:22.089288
• Title: Interpretable Dual-Filter Fuzzy Neural Networks for Affective Brain-Computer Interfaces
• Title（参考訳）: 脳-コンピュータインタフェースのための解釈可能なデュアルフィルタファジィニューラルネットワーク
• Authors: Xiaowei Jiang, Yanan Chen, Nikhil Ranjan Pal, Yu-Cheng Chang, Yunkai Yang, Thomas Do, Chin-Teng Lin,
• Abstract要約: 両フィルタファジィニューラルネットワークアーキテクチャを統合し,感情状態の検出と解釈を改善する新モデルiFuzzyAffectDuoを提案する。 機能的近赤外分光法(fNIRS)と脳波(EEG)を用いた3つの脳画像データセットのアプローチを検証する。
• 参考スコア（独自算出の注目度）: 25.445687764717167
• License:
• Abstract: Fuzzy logic provides a robust framework for enhancing explainability, particularly in domains requiring the interpretation of complex and ambiguous signals, such as brain-computer interface (BCI) systems. Despite significant advances in deep learning, interpreting human emotions remains a formidable challenge. In this work, we present iFuzzyAffectDuo, a novel computational model that integrates a dual-filter fuzzy neural network architecture for improved detection and interpretation of emotional states from neuroimaging data. The model introduces a new membership function (MF) based on the Laplace distribution, achieving superior accuracy and interpretability compared to traditional approaches. By refining the extraction of neural signals associated with specific emotions, iFuzzyAffectDuo offers a human-understandable framework that unravels the underlying decision-making processes. We validate our approach across three neuroimaging datasets using functional Near-Infrared Spectroscopy (fNIRS) and Electroencephalography (EEG), demonstrating its potential to advance affective computing. These findings open new pathways for understanding the neural basis of emotions and their application in enhancing human-computer interaction.
• Abstract（参考訳）: ファジィ論理は、特に脳-コンピュータインタフェース(BCI)システムのような複雑であいまいな信号の解釈を必要とする領域において、説明可能性を高めるための堅牢なフレームワークを提供する。 深層学習の大幅な進歩にもかかわらず、人間の感情を解釈することは深刻な課題である。 本稿では、ニューロイメージングデータから感情状態の検出と解釈を改善するために、二重フィルタファジィニューラルネットワークアーキテクチャを統合する新しい計算モデルiFuzzyAffectDuoを提案する。 このモデルでは、Laplace分布に基づく新しいメンバシップ関数(MF)を導入し、従来のアプローチと比較して精度と解釈性に優れる。 iFuzzyAffectDuoは、特定の感情に関連する神経信号の抽出を洗練することによって、下層の意思決定プロセスを拡大する人間の理解可能なフレームワークを提供する。 機能的近赤外分光法(fNIRS)と脳波法(EEG)を併用した3つの脳画像データセットに対するアプローチを検証する。 これらの知見は、感情の神経基盤を理解するための新しい経路と、人間とコンピュータの相互作用を強化するためのその応用を開拓する。

関連論文リスト

• Functional connectomes of neural networks [1.272769504154474]
  本稿では,脳にインスパイアされた技術を活用し,ニューラルネットワークと人間の脳機能を橋渡しする新しい手法を提案する。 我々のアプローチは、安定した統計的および機械学習技術を用いて、大規模ニューラルネットワークのトポロジを特徴付けるスケーラブルな方法を提供する。
  論文  参考訳（メタデータ） (2024-12-18T03:46:30Z)
• A Fuzzy-based Approach to Predict Human Interaction by Functional Near-Infrared Spectroscopy [25.185426359719454]
  本稿では、心理学研究におけるニューラルモデルの解釈可能性と有効性に対する新しい計算手法であるファジィベースの注意層(ファジィ注意層)について紹介する。 ファジィロジックを活用することで、ファジィ注意層は神経活動の解釈可能なパターンを学習し識別することができる。
  論文  参考訳（メタデータ） (2024-09-26T09:20:12Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• BrainMAE: A Region-aware Self-supervised Learning Framework for Brain Signals [11.030708270737964]
  本稿では,fMRI時系列データから直接表現を学習するBrain Masked Auto-Encoder(BrainMAE)を提案する。 BrainMAEは、4つの異なる下流タスクにおいて、確立されたベースラインメソッドをかなりのマージンで一貫して上回っている。
  論文  参考訳（メタデータ） (2024-06-24T19:16:24Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Unidirectional brain-computer interface: Artificial neural network encoding natural images to fMRI response in the visual cortex [12.1427193917406]
  本稿では,人間の脳を模倣する人工ニューラルネットワークVISIONを提案する。 VISIONは、人間の血行動態の反応をfMRIボクセル値として、最先端の性能を超える精度で45%の精度で予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-26T15:38:26Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Interpretable Graph Neural Networks for Connectome-Based Brain Disorder Analysis [31.281194583900998]
  本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。 提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2022-06-30T08:02:05Z)
• Functional2Structural: Cross-Modality Brain Networks Representation Learning [55.24969686433101]
  脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。 本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。 臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
  論文  参考訳（メタデータ） (2022-05-06T03:45:36Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)

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。