論文の概要: Confidence-Aware Neural Decoding of Overt Speech from EEG: Toward Robust Brain-Computer Interfaces

• arxiv url: http://arxiv.org/abs/2511.07890v1
• Date: Wed, 12 Nov 2025 01:26:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.526077
• Title: Confidence-Aware Neural Decoding of Overt Speech from EEG: Toward Robust Brain-Computer Interfaces
• Title（参考訳）: 脳波音声の信頼度を考慮したニューラルデコード:ロバスト脳-コンピュータインタフェースに向けて
• Authors: Soowon Kim, Byung-Kwan Ko, Seo-Hyun Lee,
• Abstract要約: 脳波から音声コマンドをデコードする非侵襲的な脳-コンピュータインターフェースは、正確かつ信頼できるものである必要がある。 本稿では,コンパクトで音声指向の畳み込みネットワークの深いアンサンブルと,ポストホックキャリブレーションと選択的分類を結合した信頼性を考慮した復号化フレームワークを提案する。 その結果,信頼性を意識したニューラルデコーディングは,実世界の脳-コンピュータインタフェース通信システムに対して,堅牢でデプロイメント指向の動作を提供する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 3.5174884177930448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-invasive brain-computer interfaces that decode spoken commands from electroencephalogram must be both accurate and trustworthy. We present a confidence-aware decoding framework that couples deep ensembles of compact, speech-oriented convolutional networks with post-hoc calibration and selective classification. Uncertainty is quantified using ensemble-based predictive entropy, top-two margin, and mutual information, and decisions are made with an abstain option governed by an accuracy-coverage operating point. The approach is evaluated on a multi-class overt speech dataset using a leakage-safe, block-stratified split that respects temporal contiguity. Compared with widely used baselines, the proposed method yields more reliable probability estimates, improved selective performance across operating points, and balanced per-class acceptance. These results suggest that confidence-aware neural decoding can provide robust, deployment-oriented behavior for real-world brain-computer interface communication systems.
• Abstract（参考訳）: 脳波から音声コマンドをデコードする非侵襲的な脳-コンピュータインターフェースは、正確かつ信頼できるものである必要がある。 本稿では,コンパクトで音声指向の畳み込みネットワークの深いアンサンブルと,ポストホックキャリブレーションと選択的分類を結合した信頼性を考慮した復号化フレームワークを提案する。 不確実性は、アンサンブルベースの予測エントロピー、トップ2のマージン、および相互情報を用いて定量化され、精度被覆動作点によって支配される断続オプションで決定される。 この手法は,時間的整合性に配慮したリークセーフなブロック階層分割を用いて,マルチクラスオーバート音声データセットで評価する。 広範に使用されているベースラインと比較すると,提案手法はより信頼性の高い確率推定,操作点間の選択性能の向上,クラス毎の受け入れのバランスがとれる。 これらの結果から,信頼性を意識したニューラルデコーディングは,実世界の脳-コンピュータインタフェース通信システムに対して,堅牢でデプロイメント指向の動作を提供する可能性が示唆された。

関連論文リスト

• Fast Entropy-Based Methods of Word-Level Confidence Estimation for End-To-End Automatic Speech Recognition [86.21889574126878]
  本研究では,フレーム単位のエントロピー値を正規化して集約し,単位単位当たりの信頼度と単語毎の信頼度を求める方法を示す。 提案手法をLibriSpeechテストセット上で評価した結果,最大フレーム当たりの信頼度推定値の最大値から,信頼度推定値の最大値の最大値の最大値の最大値の最大値の2倍,4倍の精度を示した。
  論文  参考訳（メタデータ） (2022-12-16T20:27:40Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)
• 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)
• Improving Prediction Confidence in Learning-Enabled Autonomous Systems [2.66512000865131]
  予測の信頼性を向上させるために,分類に使用される学習可能なコンポーネントと自律システムのセンサとのフィードバックループを利用する。 本稿では,三重項ネットワークアーキテクチャに基づく帰納的等角予測(ICP)を用いた分類器を設計し,テスト例とトレーニング例の類似性を定量化するための表現を学習する。 センサに新しい入力を問い合わせるフィードバックループを使用して、予測をさらに洗練し、分類精度を高める。
  論文  参考訳（メタデータ） (2021-10-07T00:40:34Z)
• Word-level confidence estimation for RNN transducers [7.12355127219356]
  本稿では、リカレント・ネットワーク・トランスデューサ(RNN-T)を用いた音声認識(ASR)システムに適した軽量神経信頼モデルを提案する。 他の既存手法と比較して,本モデルは, (a) 認識された単語に関連付けられた時間情報を用いて計算複雑性を低減し, (b) サブワードと単語列をマッピングするためのシンプルでエレガントなトリックを利用する。
  論文  参考訳（メタデータ） (2021-09-28T18:38:00Z)
• Tree-constrained Pointer Generator for End-to-end Contextual Speech Recognition [16.160767678589895]
  TCPGenは、アテンションベースのエンコーダデコーダとトランスデューサエンドツーエンドのASRモデルの両方に偏りのある単語のリストのような知識を組み込む。 TCPGenは、バイアスワードを効率的なプレフィックスツリーに構造化し、そのシンボル入力として機能し、デコード中のバイアスワードの認識を容易にするニューラルネットワークショートカットを生成する。
  論文  参考訳（メタデータ） (2021-09-01T21:41:59Z)
• An evaluation of word-level confidence estimation for end-to-end automatic speech recognition [70.61280174637913]
  エンドツーエンド自動音声認識(ASR)における信頼度推定の検討 4つのよく知られた音声データセットにおける信頼度手法の広範なベンチマークを提供する。 以上の結果から,ロジットを学習温度でスケーリングすることで,強いベースラインが得られることが示唆された。
  論文  参考訳（メタデータ） (2021-01-14T09:51:59Z)
• Trusted Confidence Bounds for Learning Enabled Cyber-Physical Systems [2.1320960069210484]
  インダクティブ・コンフォーマル予測(ICP)に基づく信頼度境界の計算手法を提案する。 我々はTriplet Networkアーキテクチャをトレーニングし、トレーニングデータセットにおけるテスト例とサンプルの類似性を推定するために使用できる入力データの表現を学習する。 次に、これらの表現を用いて、三重項で使用されるニューラルネットワークアーキテクチャに基づく分類器からセット予測の信頼性を推定する。
  論文  参考訳（メタデータ） (2020-03-11T04:31:10Z)

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。