論文の概要: Online Adaptation via Dual-Stage Alignment and Self-Supervision for Fast-Calibration Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2509.19403v1
• Date: Tue, 23 Sep 2025 07:38:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.543924
• Title: Online Adaptation via Dual-Stage Alignment and Self-Supervision for Fast-Calibration Brain-Computer Interfaces
• Title（参考訳）: 2段階アライメントと自己スーパービジョンによる高速校正脳コンピュータインタフェースのオンライン適応
• Authors: Sheng-Bin Duan, Jian-Long Hao, Tian-Yu Xiang, Xiao-Hu Zhou, Mei-Jiang Gui, Xiao-Liang Xie, Shi-Qi Liu, Zeng-Guang Hou,
• Abstract要約: 脳活動の個人差は脳波(EEG)ベースの脳コンピュータインタフェース(BCI)のオンライン適用を妨げる。 本研究では,2段階アライメントと自己監督による未確認者に対するオンライン適応アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 9.407105451798264
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Individual differences in brain activity hinder the online application of electroencephalogram (EEG)-based brain computer interface (BCI) systems. To overcome this limitation, this study proposes an online adaptation algorithm for unseen subjects via dual-stage alignment and self-supervision. The alignment process begins by applying Euclidean alignment in the EEG data space and then updates batch normalization statistics in the representation space. Moreover, a self-supervised loss is designed to update the decoder. The loss is computed by soft pseudo-labels derived from the decoder as a proxy for the unknown ground truth, and is calibrated by Shannon entropy to facilitate self-supervised training. Experiments across five public datasets and seven decoders show the proposed algorithm can be integrated seamlessly regardless of BCI paradigm and decoder architecture. In each iteration, the decoder is updated with a single online trial, which yields average accuracy gains of 4.9% on steady-state visual evoked potentials (SSVEP) and 3.6% on motor imagery. These results support fast-calibration operation and show that the proposed algorithm has great potential for BCI applications.
• Abstract（参考訳）: 脳活動の個人差は脳波(EEG)ベースの脳コンピュータインタフェース(BCI)のオンライン適用を妨げる。 この制限を克服するために,両段階アライメントと自己監督による未確認者に対するオンライン適応アルゴリズムを提案する。 アライメントプロセスは、まずEEGデータ空間にユークリッドアライメントを適用し、次に表現空間におけるバッチ正規化統計を更新する。 さらに、デコーダを更新するために自己教師付き損失を設計する。 損失はデコーダから派生したソフトな擬似ラベルによって計算され、シャノンエントロピーによって校正され、自己監督訓練を容易にする。 5つの公開データセットと7つのデコーダを対象とした実験では、BCIパラダイムやデコーダアーキテクチャに関わらず、提案アルゴリズムをシームレスに統合できることが示されている。 各イテレーションでデコーダは単一のオンライントライアルで更新され、定常的な視覚誘発電位(SSVEP)の平均精度は4.9%、運動画像では3.6%向上する。 これらの結果は,高速校正動作をサポートし,提案アルゴリズムがBCIアプリケーションに大きな可能性を持っていることを示す。

関連論文リスト

• Image Coding for Machines via Feature-Preserving Rate-Distortion Optimization [31.210700220124192]
  本研究では,与えられたタスク損失に対する圧縮の効果を低減させる手法として,特徴量間の距離を用いてレート歪み(RDO)を行う方法を示す。 我々は、ブロックベースのエンコーダを用いて歪み項を計算可能にするために、RDOの定式化を単純化する。 複数の特徴抽出器と下流ネットワークに変換されたHEVCを用いたシミュレーションでは、同じタスクの精度で最大で17%のビットレートのセーブが可能であることを示す。
  論文  参考訳（メタデータ） (2025-04-03T02:11:26Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Accelerating Error Correction Code Transformers [56.75773430667148]
  本稿では,トランスを用いたデコーダの高速化手法を提案する。 最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
  論文  参考訳（メタデータ） (2024-10-08T11:07:55Z)
• On-device Learning of EEGNet-based Network For Wearable Motor Imagery Brain-Computer Interface [2.1710886744493263]
  本稿では,ウェアラブルモータ画像認識のための軽量で効率的なオンデバイス学習エンジンを実装した。 我々は,メモリフットプリントが15.6KByteのベースラインに対して,最大7.31%の顕著な精度向上を示した。 我々の調整されたアプローチは、オンライントレーニング中に1回の推論で14.9ms、0.76mJ、1回の推測で20us、0.83uJの推論時間を示す。
  論文  参考訳（メタデータ） (2024-08-25T08:23:51Z)
• Calibration-free online test-time adaptation for electroencephalography motor imagery decoding [3.5139431332194198]
  我々は,オンラインテスト時間適応(OTTA)の概念を考察し,推論時間中に教師なしの方法でモデルを継続的に適応させる。 提案手法では,適応プロセス中にソースデータにアクセスする必要がなくなることにより,プライバシの保護が保証される。 我々は、アライメント、適応バッチ正規化、エントロピー最小化といった様々なOTTA技術とともに、軽量なアーキテクチャを用いて、脳波(EEG)運動画像デコーディングの課題について検討する。
  論文  参考訳（メタデータ） (2023-11-30T12:53:43Z)
• A Cryogenic Memristive Neural Decoder for Fault-tolerant Quantum Error Correction [0.0]
  インメモリ・クロスバー(IMC)アーキテクチャに基づくニューラルデコーダの設計と解析を行う。 ハードウェアを意識したリトレーニング手法を開発し、フィデリティ損失を軽減する。 この研究は、フォールトトレラントQECの統合のためのスケーラブルで高速で低消費電力のMCCハードウェアへの経路を提供する。
  論文  参考訳（メタデータ） (2023-07-18T17:46:33Z)
• The END: An Equivariant Neural Decoder for Quantum Error Correction [73.4384623973809]
  データ効率のよいニューラルデコーダを導入し、この問題の対称性を活用する。 本稿では,従来のニューラルデコーダに比べて精度の高い新しい同変アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-14T19:46:39Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)

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。