論文の概要: The Deep-Match Framework for Event-Related Potential Detection in EEG

• arxiv url: http://arxiv.org/abs/2603.20258v1
• Date: Wed, 11 Mar 2026 18:21:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.943053
• Title: The Deep-Match Framework for Event-Related Potential Detection in EEG
• Title（参考訳）: 脳波における事象関連電位検出のためのディープマッチフレームワーク
• Authors: Marek Zylinski, Bartosz Tomasz Smigielski, Gerard Cybulski,
• Abstract要約: 単検体レベルでの事象関連電位(ERP)は、信号-雑音比の低い脳波記録のため、依然として大きな課題である。 マルチチャネル脳波信号を用いたERP検出にDeep-Matchフレームワークを用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable detection of event-related potentials (ERPs) at the single-trial level remains a major challenge due to the low signal-to-noise ratio EEG recordings. In this work, we investigate whether incorporating prior knowledge about ERP templates into deep learning models can improve detection performance. We employ the Deep-Match framework for ERP detection using multi-channel EEG signals. The model is trained in two stages. First, an encoder-decoder architecture is trained to reconstruct input EEG signals, enabling the network to learn compact signal representations. In the second stage, the decoder is replaced with a detection module, and the network is fine-tuned for ERP identification. Two model variants are evaluated: a standard model with randomly initialized filters and a Deep-MF model in which input kernels are initialized using ERP templates. Model performance is assessed on a single-trial ERP detection task using leave-one-subject-out validation. The proposed Deep-MF model slightly outperforms the detector with standard kernel initialization for most held-out subjects. Despite substantial inter-subject variability, Deep-MF achieves a higher average F1-score (0.37) compared to the standard network (0.34), indicating improved robustness to cross-subject differences. The best performance obtained by Deep-MF reaches an F1-score of 0.71, exceeding the maximum score achieved by the standard model (0.59). These results demonstrate that ERP-informed kernel initialization can provide consistent improvements in subject-independent single-trial ERP detection. Overall, the findings highlight the potential of integrating domain knowledge with deep learning architectures for EEG analysis. The proposed approach represents a step toward practical wearable EEG and passive brain-computer interface systems capable of real-time monitoring of cognitive processes.
• Abstract（参考訳）: 単心室レベルでの事象関連電位(ERP)の信頼性検出は、信号-雑音比の低い脳波記録のため、依然として大きな課題である。 本研究では,ERPテンプレートに関する事前知識をディープラーニングモデルに組み込むことで検出性能が向上するかどうかを検討する。 マルチチャネル脳波信号を用いたERP検出にDeep-Matchフレームワークを用いる。 モデルは2段階に分けて訓練される。 まず、入力された脳波信号を再構成するためにエンコーダ・デコーダアーキテクチャを訓練し、ネットワークがコンパクトな信号表現を学習できるようにする。 第2段階では、デコーダを検出モジュールに置き換え、ERP識別のためにネットワークを微調整する。 ランダムに初期化されたフィルタを持つ標準モデルと、ERPテンプレートを使用して入力カーネルを初期化するDeep-MFモデルである。 モデル性能は, 単体ERP検出タスクにおいて, 試行錯誤検証を用いて評価する。 提案したDeep-MFモデルは、ほとんどの保持対象に対して標準的なカーネル初期化で検出器をわずかに上回っている。 オブジェクト間のばらつきは大きいが、Deep-MFは標準ネットワーク(0.34)に比べて平均F1スコア(0.37)が高く、オブジェクト間の違いに対する堅牢性の向上を示している。 Deep-MFで得られる最高のパフォーマンスはF1スコア0.71に達し、標準モデル(0.59)で達成される最高スコアを超える。 これらの結果は、ERPインフォームドカーネルの初期化は、主観非依存の単心性ERP検出において一貫した改善をもたらすことを示している。 全体として、この発見は、脳波分析のためのディープラーニングアーキテクチャとドメイン知識の統合の可能性を強調している。 提案手法は,認知過程のリアルタイムモニタリングが可能な実用的なウェアラブル脳波および受動脳-コンピュータインタフェースシステムに向けたステップである。

関連論文リスト

• Log anomaly detection via Meta Learning and Prototypical Networks for Cross domain generalization [0.0]
  本稿では,ログ異常を検出するメタラーニング手法に基づくエンドツーエンドフレームワークを提案する。 提案手法は,Drain3ログ解析機構と動的ドリフトベースラベリング手法を組み合わせることで,まずデータを準備する。 Model Agnostic Meta-Learning (MAML)とPrototypeal Networksモデルは、迅速かつ効果的に適応するように訓練されている。
  論文  参考訳（メタデータ） (2026-01-20T12:09:33Z)
• Bridging VLMs and Embodied Intelligence with Deliberate Practice Policy Optimization [72.20212909644017]
  Deliberate Practice Policy Optimization (DPPO) はメタ認知型メタループのトレーニングフレームワークである。 DPPOは教師付き微調整(能力拡張)と強化学習(技能向上)の交互に行う 実証的には、DPPO(Pelican-VL 1.0)で視覚言語を具現化したモデルをトレーニングすると、ベースモデルよりも20.3%パフォーマンスが向上する。 私たちはモデルとコードをオープンソースにして、データとリソースのボトルネックを軽減する最初の体系的なフレームワークを提供しています。
  論文  参考訳（メタデータ） (2025-11-20T17:58:04Z)
• Source-Free Object Detection with Detection Transformer [59.33653163035064]
  Source-Free Object Detection (SFOD) は、ソースデータにアクセスすることなく、ソースドメインから教師なしのターゲットドメインへの知識転送を可能にする。 ほとんどの既存のSFODアプローチは、より高速なR-CNNのような従来のオブジェクト検出(OD)モデルに限られるか、新しいODアーキテクチャ、特に検出変換器(DETR)に適合しない一般的なソリューションとして設計されている。 本稿では,DTRのクエリ中心の機能強化を特化して設計された新しいSFODフレームワークであるFeature Reweighting ANd Contrastive Learning NetworK(FRANCK)を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T07:35:04Z)
• Evaluating Ensemble and Deep Learning Models for Static Malware Detection with Dimensionality Reduction Using the EMBER Dataset [0.0]
  本研究では,EMBERデータセットを用いた静的マルウェア検出における機械学習アルゴリズムの有効性について検討した。 LightGBM, XGBoost, CatBoost, Random Forest, Extra Trees, HistGradientBoosting, k-Nearest Neighbors (KNN), TabNetの8つの分類モデルを評価した。 モデルは精度、精度、リコール、F1スコア、AUCに基づいて評価され、予測性能とロバスト性の両方を調べる。
  論文  参考訳（メタデータ） (2025-07-22T18:45:10Z)
• Self-Supervised Transformer-based Contrastive Learning for Intrusion Detection Systems [1.1265248232450553]
  本稿では,生パケット列上の一般化可能な侵入検出のための自己教師付きコントラスト学習手法を提案する。 本フレームワークは,既存のNetFlow自己管理手法と比較して,優れた性能を示す。 我々のモデルは,ラベル付き限られたデータを用いた教師付き侵入検知のための強力なベースラインを提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:42:00Z)
• 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)
• Adaptive Memory Networks with Self-supervised Learning for Unsupervised Anomaly Detection [54.76993389109327]
  教師なし異常検出は、通常のデータのみをトレーニングすることで、目に見えない異常を検出するモデルを構築することを目的としている。 本稿では,これらの課題に対処するために,自己教師付き学習(AMSL)を用いた適応記憶ネットワーク(Adaptive Memory Network)を提案する。 AMSLには、一般的な正規パターンを学ぶための自己教師付き学習モジュールと、リッチな特徴表現を学ぶための適応型メモリ融合モジュールが組み込まれている。
  論文  参考訳（メタデータ） (2022-01-03T03:40:21Z)
• 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)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)

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。