論文の概要: Memory-Augmented Online Test-Time Adaptation for EEG Motor Imagery via Perturbation Consistency and Confidence Calibration
- arxiv url: http://arxiv.org/abs/2610.30422v1
- Date: Wed, 21 Oct 2026 20:32:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.12978
- Title: Memory-Augmented Online Test-Time Adaptation for EEG Motor Imagery via Perturbation Consistency and Confidence Calibration
- Title（参考訳）: 摂動一貫性と信頼度校正による脳波モータ画像のメモリ拡張オンラインテスト時間適応
- Abstract要約: 本稿では、摂動一貫性と信頼度校正(MOPC)を備えたメモリ拡張オンラインテスト時間適応(OTTA)を提案する。
MOPCは、推論段階で、そのデコードパラメータをオンザフライで更新することを可能にする。
BCI IV IIbおよびOpenBMIデータセットで評価した。
- 参考スコア（独自算出の注目度）: 6.504110152344327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, electroencephalography (EEG)-based brain--computer interfaces (BCIs) have gained traction as portable neural measurement systems. However, the practical deployment of these instruments is often hindered by nonstationarity and cross-subject distribution shifts, which lead to significant intersubject inconsistency. Existing adaptation methods remain impractical for real-time measurement scenarios, as they typically require offline access to source or aggregated target data. To address these challenges, this article proposes memory-augmented online test-time adaptation (OTTA) with perturbation consistency and confidence calibration (MOPC), a source-free framework designed to enhance the reliability of BCI instrumentation. MOPC enables the measurement system to update its decoding parameters on the fly during the inference stage, facilitating single-pass adaptation without accessing sensitive source data. We introduce random-mask perturbations to enforce prediction consistency against inherent EEG signal noise and acquisition artifacts. Furthermore, a confidence-calibrated reweighting loss is designed to integrate feature-space similarity, effectively mitigating unreliable pseudolabels and class imbalance during continuous signal acquisition. To ensure system stability and prevent the catastrophic forgetting of established neural patterns, a lightweight memory module is incorporated to regularize parameter updates within a tight latency budget. Evaluated on the BCI IV IIb and OpenBMI datasets, MOPC achieves state-of-the-art performance, outperforming prior methods by 2.22~\% and 3.67~\%, respectively, while keeping the per-trial adaptation latency to approximately 40--60 ms. This study provides a robust, recalibration-free solution for real-time EEG decoding, marking a significant advancement in the precision and usability of practical BCI measurement instruments.
- Abstract（参考訳）: 近年,脳波を用いた脳-コンピュータインタフェース (BCI) が携帯型神経計測システムとして注目されている。
しかしながら、これらの機器の実践的な展開は、しばしば非定常性やクロスオブジェクトの分布シフトによって妨げられ、それがかなりのオブジェクト間不整合を引き起こす。
既存の適応手法は、通常、ソースや集約されたターゲットデータへのオフラインアクセスを必要とするため、リアルタイムな測定シナリオでは実用的ではない。
これらの課題に対処するため,本稿では,BCI機器の信頼性向上を目的としたソースフリーフレームワークである,摂動整合性と信頼性校正性を備えたメモリ拡張オンラインテスト時間適応(OTTA)を提案する。
MOPCは、推論期間中にデコードパラメータをオンザフライで更新し、センシティブなソースデータにアクセスすることなくシングルパス適応を容易にする。
本稿では,脳波信号ノイズや取得アーチファクトに対する予測整合性を実現するために,ランダムマスクの摂動を導入する。
さらに、信頼度を補正した再重み付け損失を特徴空間類似性の統合として設計し、連続信号取得時の信頼できない擬似ラベルとクラス不均衡を効果的に緩和する。
システムの安定性を確保し、確立されたニューラルネットワークパターンの破滅的な忘れを防止するために、軽量メモリモジュールを組み込んで、厳格なレイテンシ予算内でパラメータ更新を正規化する。
BCI IV IIb と OpenBMI のデータセットに基づいて,MOPC は従来の手法よりも2.22~\% と3.67～\% の精度向上を実現し,また,実効BCI 測定器の精度と使用性の向上を目立たせるとともに,リアルタイム脳波復号のための堅牢で校正不能なソリューションを提供する。
関連論文リスト
- Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - Context-Aware Force Estimation for Deformable Tool Manipulation in Robotic Environmental Swabbing via Few-Shot Continual Adaptation [10.23547821843138]
変形可能な工具力学は、真の接触力から手首に取り付けられた力の測定を分離する非線形粘弾性を導入する。
本稿では,変形可能なツール操作における接触力推定のためのデータ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-08T16:01:23Z) - Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
マルチモーダル学習は、しばしば低品質データの課題に悩まされる。
コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。
私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-05T14:48:52Z) - Fast Bayesian equipment condition monitoring via simulation based inference: applications to heat exchanger health [39.61652266573024]
熱交換器の複雑な故障モードを診断するために,アモータイズされた神経後部推定を利用したAI駆動型フレームワークを提案する。
このフレームワークをMCMCベースラインに対して,様々な合成ファウリングおよびリークシナリオでベンチマークする。
ニューラルネットワークの償却された性質は、ほぼ瞬時に推論を可能にし、高度にスケーラブルでリアルタイムな代替手段としてSBIを確立する。
論文 参考訳（メタデータ） (2026-04-22T16:21:25Z) - Backpropagation-Free Test-Time Adaptation for Lightweight EEG-Based Brain-Computer Interfaces [11.684300675927865]
本稿では,脳波復号化のためのバックプロパゲーション自由変換(BFT)を提案する。
BFTは、知識誘導強化の複数のサンプルワイド変換やベイズ近似を各試験試験に適用し、単一の試験サンプルに対して複数の予測スコアを生成する。
本研究は,EEGベースのBCIのためのデコードアルゴリズムの現実的な展開を拡大し,リソース制約のあるデバイス上での軽量なプラグアンドプレイBCIを実現する。
論文 参考訳（メタデータ） (2026-01-12T14:08:18Z) - Robustness Evaluation of Machine Learning Models for Fault Classification and Localization In Power System Protection [5.539105299550525]
この研究は、電力系統保護における機械学習モデルの堅牢性を評価するための統一的なフレームワークを導入している。
高忠実性EMTシミュレーションは、センサの故障、サンプリングレートの低減、過渡的な通信損失などの現実的な劣化シナリオをモデル化するために用いられる。
その結果, FCはほとんどの劣化型では安定だが, 単相損失では約13%低下し, FLは全般的に感度が高く, 電圧損失は局所化誤差が150%以上増加した。
論文 参考訳（メタデータ） (2025-12-17T12:38:53Z) - Calibration-Free EEG-based Driver Drowsiness Detection with Online Test-Time Adaptation [43.83587667787693]
ドローシー・ドライビングは交通事故の増大の原因であり、脳波に基づくドローシー検知システム(EEG)の最近の探索を促している。
特に,脳波信号の物体間変動は,領域シフトの問題を引き起こす。
そこで本稿では,オンラインテスト時間適応手法を利用して対象対象の分布に動的に適応する新しいドライバの眠気検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-27T02:27:10Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - Bisimulation metric for Model Predictive Control [44.301098448479195]
Bisimulation Metric for Model Predictive Control (BS-MPC) は、目的関数にbisimulation metric lossを組み込んでエンコーダを直接最適化する新しい手法である。
BS-MPCは、トレーニング時間を削減することにより、トレーニング安定性、入力ノイズに対する堅牢性、および計算効率を向上させる。
我々は,DeepMind Control Suiteから連続制御および画像ベースタスクのBS-MPCを評価する。
論文 参考訳（メタデータ） (2024-10-06T17:12:10Z)
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。