論文の概要: Adaptive Semi-Supervised Training of P300 ERP-BCI Speller System with Minimum Calibration Effort

• arxiv url: http://arxiv.org/abs/2602.15955v1
• Date: Tue, 17 Feb 2026 19:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.410377
• Title: Adaptive Semi-Supervised Training of P300 ERP-BCI Speller System with Minimum Calibration Effort
• Title（参考訳）: 最小校正力を有するP300 ERP-BCIスパッタシステムの適応的セミスーパービジョントレーニング
• Authors: Shumeng Chen, Jane E. Huggins, Tianwen Ma,
• Abstract要約: 脳コンピュータインタフェース(BCI)は、標的刺激によって誘発されるP300事象関連電位(ERP)を探索する。 従来の手法では、バイナリ分類器を構築するのに長い校正手順が必要である。 最小限のキャリブレーションを施した統一化フレームワークを提案し、ラベル付きキャリブレーションデータが少ないと、適応型半教師付きEM-GMMアルゴリズムを用いてバイナリ分類器を更新する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A P300 ERP-based Brain-Computer Interface (BCI) speller is an assistive communication tool. It searches for the P300 event-related potential (ERP) elicited by target stimuli, distinguishing it from the neural responses to non-target stimuli embedded in electroencephalogram (EEG) signals. Conventional methods require a lengthy calibration procedure to construct the binary classifier, which reduced overall efficiency. Thus, we proposed a unified framework with minimum calibration effort such that, given a small amount of labeled calibration data, we employed an adaptive semi-supervised EM-GMM algorithm to update the binary classifier. We evaluated our method based on character-level prediction accuracy, information transfer rate (ITR), and BCI utility. We applied calibration on training data and reported results on testing data. Our results indicate that, out of 15 participants, 9 participants exceed the minimum character-level accuracy of 0.7 using either on our adaptive method or the benchmark, and 7 out of these 9 participants showed that our adaptive method performed better than the benchmark. The proposed semi-supervised learning framework provides a practical and efficient alternative to improve the overall spelling efficiency in the real-time BCI speller system, particularly in contexts with limited labeled data.
• Abstract（参考訳）: P300 ERPベースのBrain-Computer Interface (BCI)スペルは補助通信ツールである。 標的刺激によって誘発されるP300事象関連電位(ERP)を探索し、脳波(EEG)信号に埋め込まれた非標的刺激に対する神経反応と区別する。 従来の手法では、バイナリ分類器を構築するために長い校正手順が必要であるため、全体的な効率が低下する。 そこで我々は,ラベル付きキャリブレーションデータが少ないため,適応型半教師付きEM-GMMアルゴリズムを用いてバイナリ分類器を更新する,最小限のキャリブレーションを施した統一フレームワークを提案する。 我々は,文字レベルの予測精度,情報伝達率(ITR),BCIユーティリティに基づいて評価を行った。 トレーニングデータに校正を適用し,テストデータに結果を報告した。 その結果,15名中9名が,適応的手法とベンチマークを用いて0.7の最小文字レベル精度を上回り,9名中7名が,適応的手法がベンチマークよりも優れていた。 提案する半教師付き学習フレームワークは,実時間BCIスペルシステム,特にラベル付きデータに制限のあるコンテキストにおいて,スペルの効率を改善するための実用的で効率的な代替手段を提供する。

関連論文リスト

• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• Re-evaluating Group Robustness via Adaptive Class-Specific Scaling [47.41034887474166]
  群分散ロバスト最適化は、スプリアス相関とアドレスデータセットバイアスを軽減するために使われる顕著なアルゴリズムである。 既存のアプローチでは、堅牢なアキュラシーの改善が報告されているが、固有のトレードオフのため、平均的な精度が犠牲になっている。 本稿では,既存のデバイアスアルゴリズムに直接適用可能なクラス固有のスケーリング戦略を提案する。 我々は、このトレードオフを軽減するために、インスタンスワイド適応スケーリング技術を開発し、堅牢性と平均的アキュラシーの両方の改善に繋がる。
  論文  参考訳（メタデータ） (2024-12-19T16:01:51Z)
• iFuzzyTL: Interpretable Fuzzy Transfer Learning for SSVEP BCI System [24.898026682692688]
  本研究では,解釈可能なファジィ変換学習(iFuzzyTL)を利用した高度な分類手法について検討する。 iFuzzyTLは、ファジィ推論システムとアテンション機構を統合することで、人間の解釈可能な形式で入力信号処理と分類を洗練する。 モデルの有効性は3つのデータセットで示される。
  論文  参考訳（メタデータ） (2024-10-16T06:07:23Z)
• Calibrating Bayesian Learning via Regularization, Confidence Minimization, and Selective Inference [31.72318637299598]
  適切に校正されたAIモデルは、その精度を分布内入力(ID)に正しく報告し、また、分布外入力(OOD)の検出を可能にする必要がある。 本稿では、キャリブレーション正則化を統合した変分推論(VI)に基づくベイズ学習の拡張を提案する。
  論文  参考訳（メタデータ） (2024-04-17T13:08:26Z)
• Contextual Squeeze-and-Excitation for Efficient Few-Shot Image Classification [57.36281142038042]
  本稿では,事前学習したニューラルネットワークを新しいタスクで調整し,性能を大幅に向上させる,Contextual Squeeze-and-Excitation (CaSE) という適応ブロックを提案する。 また、メタトレーニングされたCaSEブロックと微調整ルーチンを利用して効率よく適応する、アッパーCaSEと呼ばれるコーディネートダイスに基づく新しいトレーニングプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-06-20T15:25:08Z)
• Semi-supervised Batch Active Learning via Bilevel Optimization [89.37476066973336]
  両レベル最適化によるデータ要約問題として,本手法を定式化する。 本手法は,ラベル付きサンプルがほとんど存在しない場合,レジーム内のキーワード検出タスクにおいて極めて有効であることを示す。
  論文  参考訳（メタデータ） (2020-10-19T16:53:24Z)
• Transfer Learning and SpecAugment applied to SSVEP Based BCI Classification [1.9336815376402716]
  我々は、ディープ畳み込みニューラルネットワーク(DCNN)を使用して、単一チャネル脳-コンピュータインタフェース(BCI)で脳波信号を分類する。 脳波信号はスペクトログラムに変換され、転送学習技術を用いてDCNNを訓練するための入力として機能した。
  論文  参考訳（メタデータ） (2020-10-08T00:30:12Z)

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。