論文の概要: Convolutional Neural Network and Adversarial Autoencoder in EEG images classification

• arxiv url: http://arxiv.org/abs/2604.04313v1
• Date: Sun, 05 Apr 2026 23:15:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.040094
• Title: Convolutional Neural Network and Adversarial Autoencoder in EEG images classification
• Title（参考訳）: 脳波画像分類における畳み込みニューラルネットワークと逆自己エンコーダ
• Authors: Albert Nasybullin, Semen Kurkin,
• Abstract要約: 脳波データ解析において神経科学において直面する分類問題にコンピュータビジョンアルゴリズムを適用することを検討する。 本研究の目的は,コンピュータビジョンとニューラルネットワークを組み合わせることで,手の動き中の人間の脳活動の分類問題を解くことである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we consider applying computer vision algorithms for the classification problem one faces in neuroscience during EEG data analysis. Our approach is to apply a combination of computer vision and neural network methods to solve human brain activity classification problems during hand movement. We pre-processed raw EEG signals and generated 2D EEG topograms. Later, we developed supervised and semi-supervised neural networks to classify different motor cortex activities.
• Abstract（参考訳）: 本稿では脳波データ解析において神経科学で直面する分類問題にコンピュータビジョンアルゴリズムを適用することを検討する。 本研究の目的は,コンピュータビジョンとニューラルネットワークを組み合わせることで,手の動き中の人間の脳活動の分類問題を解くことである。 生の脳波信号を前処理し、2次元脳波トポグラムを生成した。 その後、異なる運動野活動の分類を行うために、教師付きおよび半教師付きニューラルネットワークを開発した。

関連論文リスト

• BrainStratify: Coarse-to-Fine Disentanglement of Intracranial Neural Dynamics [8.36470471250669]
  ニューラルアクティビティから直接音声をデコードすることは、脳-コンピュータインターフェース(BCI)研究における中心的な目標である。 近年、脳内野電位記録(SEEG)やECoG(ElectroCorticoGraphy)など、頭蓋内野電位記録(intracranial field potential recordings)の利用により、エキサイティングな進歩がなされている。 i)タスク関連神経信号はsEEG電極に分散し、(ii)タスク関連神経信号をsEEGとECoの両方で絡み合うことが多い。
  論文  参考訳（メタデータ） (2025-05-26T19:36:39Z)
• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• A Knowledge-Driven Cross-view Contrastive Learning for EEG Representation [48.85731427874065]
  本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。 KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。 ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
  論文  参考訳（メタデータ） (2023-09-21T08:53:51Z)
• A Convolutional Spiking Network for Gesture Recognition in Brain-Computer Interfaces [0.8122270502556371]
  脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。 本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
  論文  参考訳（メタデータ） (2023-04-21T16:23:40Z)
• Brain informed transfer learning for categorizing construction hazards [0.0]
  この研究は、市販の脳-コンピュータインターフェースを通じて記録された人間の脳信号から学習することで、機械学習アルゴリズムを改善するためのステップである。 より一般化された視覚認識システムは、この「ループ内の人間」のアプローチに基づいて効果的に開発することができる。
  論文  参考訳（メタデータ） (2022-11-17T19:41:04Z)
• Functional2Structural: Cross-Modality Brain Networks Representation Learning [55.24969686433101]
  脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。 本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。 臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
  論文  参考訳（メタデータ） (2022-05-06T03:45:36Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• Siamese Neural Networks for EEG-based Brain-computer Interfaces [18.472950822801362]
  我々は,シームズニューラルネットワークに基づく新しい脳波処理と特徴抽出パラダイムを提案する。 Siameseアーキテクチャは畳み込みニューラルネットワーク(CNN)に基づいて開発され、2つの入力の類似性に基づいたバイナリ出力を提供する。 このアーキテクチャの有効性は、Brain-Computer Interfaces (BCI) Competition IV-2aの4クラスのMotor Imageryデータセットで評価される。
  論文  参考訳（メタデータ） (2020-02-03T17:31:39Z)

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。