論文の概要: EDAPT: Towards Calibration-Free BCIs with Continual Online Adaptation

• arxiv url: http://arxiv.org/abs/2508.10474v1
• Date: Thu, 14 Aug 2025 09:23:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.252155
• Title: EDAPT: Towards Calibration-Free BCIs with Continual Online Adaptation
• Title（参考訳）: EDAPT:オンライン適応型キャリブレーションフリーBCIを目指して
• Authors: Lisa Haxel, Jaivardhan Kapoor, Ulf Ziemann, Jakob H. Macke,
• Abstract要約: 脳-コンピュータインターフェース(BCI)は、ニューラルネットワークが時間の経過とともにドリフトし、ユーザによって異なるため、精度の低下に悩まされる。 本稿では,連続モデル適応によるキャリブレーションを排除したタスクおよびモデルに依存しないフレームワークであるEDAPTを紹介する。
• 参考スコア（独自算出の注目度）: 5.390514665166601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brain-computer interfaces (BCIs) suffer from accuracy degradation as neural signals drift over time and vary across users, requiring frequent recalibration that limits practical deployment. We introduce EDAPT, a task- and model-agnostic framework that eliminates calibration through continual model adaptation. EDAPT first trains a baseline decoder using data from multiple users, then continually personalizes this model via supervised finetuning as the neural patterns evolve during use. We tested EDAPT across nine datasets covering three BCI tasks, and found that it consistently improved accuracy over conventional, static methods. These improvements primarily stem from combining population-level pretraining and online continual finetuning, with unsupervised domain adaptation providing further gains on some datasets. EDAPT runs efficiently, updating models within 200 milliseconds on consumer-grade hardware. Finally, decoding accuracy scales with total data budget rather than its allocation between subjects and trials. EDAPT provides a practical pathway toward calibration-free BCIs, reducing a major barrier to BCI deployment.
• Abstract（参考訳）: 脳-コンピュータインターフェース(BCI)は、時間とともに神経信号がドリフトし、ユーザによって異なるため、実際のデプロイメントを制限する頻繁なリカバリを必要とするため、精度の低下に悩まされる。 本稿では,連続モデル適応によるキャリブレーションを排除したタスクおよびモデルに依存しないフレームワークであるEDAPTを紹介する。 EDAPTはまず、複数のユーザのデータを使用してベースラインデコーダをトレーニングし、その後、使用中にニューラルネットワークパターンが進化するにつれて、教師付き微調整によってモデルをパーソナライズする。 3つのBCIタスクをカバーする9つのデータセットでEDAPTをテストしたところ、従来の静的メソッドよりも精度が一貫して向上していることがわかった。 これらの改善は主に、人口レベルの事前訓練とオンライン連続的な微調整を組み合わせることに起因する。 EDAPTは効率的に動作し、コンシューマグレードのハードウェア上で200ミリ秒以内にモデルを更新する。 最後に、デコード精度は、被検体とトライアルの間の割り当てよりも、総データ予算でスケールする。 EDAPTは、キャリブレーションのないBCIへの実践的な経路を提供し、BCIデプロイメントに対する大きな障壁を減らす。

関連論文リスト

• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• Neural Conformal Control for Time Series Forecasting [54.96087475179419]
  非定常環境における適応性を高める時系列のニューラルネットワーク共形予測手法を提案する。 提案手法は,ニューラルネットワークエンコーダを用いた補助的マルチビューデータを活用することにより,望ましい対象範囲を達成するために設計されたニューラルネットワークコントローラとして機能する。 予測間隔の整合性に優れたキャリブレーションを組み合わさった手法は, 適用範囲と確率的精度の大幅な向上を実証的に示す。
  論文  参考訳（メタデータ） (2024-12-24T03:56:25Z)
• QCore: Data-Efficient, On-Device Continual Calibration for Quantized Models -- Extended Version [34.280197473547226]
  機械学習モデルは、ストレージと計算能力に制限のあるエッジデバイスにデプロイすることができる。 エッジ上で連続的なキャリブレーションを可能にするためのQCoreを提案する。
  論文  参考訳（メタデータ） (2024-04-22T08:57:46Z)
• Source-Free Domain Adaptation for SSVEP-based Brain-Computer Interfaces [1.4364491422470593]
  本稿では、定常視覚誘発電位(SSVEP)に基づく脳-コンピュータインタフェース(BCI)スペルに対するソースフリードメイン適応法を提案する。 高い情報伝達率(ITR)を達成するには、システムを使用する前に広範囲の校正期間が必要となる。 本稿では、ソースドメインのデータに基づいて事前訓練された強力なディープニューラルネットワーク(DNN)を新しいユーザに適用する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-27T08:02:46Z)
• Bridging Precision and Confidence: A Train-Time Loss for Calibrating Object Detection [58.789823426981044]
  本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。 その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
  論文  参考訳（メタデータ） (2023-03-25T08:56:21Z)
• Confidence Attention and Generalization Enhanced Distillation for Continuous Video Domain Adaptation [62.458968086881555]
  連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。 CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-18T16:40:10Z)
• ESD: Expected Squared Difference as a Tuning-Free Trainable Calibration Measure [35.996971010199196]
  期待される正方偏差(ESD)は、チューニング不要なトレーニング可能なキャリブレーション目標損失である。 従来の手法と比較して,ESDが最良の校正結果をもたらすことを示す。 ESDは、トレーニング中の校正に必要な計算コストを大幅に改善する。
  論文  参考訳（メタデータ） (2023-03-04T18:06:36Z)
• Using Neural Networks by Modelling Semi-Active Shock Absorber [0.0]
  絶え間なく増加する自動車制御システムには、デジタルマッピングに対する新しいアプローチが必要である。 ニューラルネットワーク(NN)を適用する様々な手法は、自動車制御系設計における関連するデジタルツイン(DT)ツールの候補となる。 本稿では, 半能動衝撃吸収器のモデリングにより, 回帰タスクを効率的に処理する方法を示す。
  論文  参考訳（メタデータ） (2022-07-19T09:21:21Z)
• Semantic Perturbations with Normalizing Flows for Improved Generalization [62.998818375912506]
  我々は、非教師付きデータ拡張を定義するために、潜在空間における摂動が利用できることを示す。 トレーニングを通して分類器に適応する潜伏性対向性摂動が最も効果的であることが判明した。
  論文  参考訳（メタデータ） (2021-08-18T03:20:00Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)

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。