文献

J-GLOBAL ID：201702247960521437   整理番号：17A0179558

無線神経記録のための訓練自由圧縮センシング【Powered by NICT】

Training-free compressed sensing for wireless neural recording

著者 (3件)： Sun Biao (School of Electrical Engineering and Automation, Tianjin University, Tianjin, 300072, China) ,  Ni Yuming (School of Electrical Engineering and Automation, Tianjin University, Tianjin, 300072, China) ,  Zhao Wenfeng (Department of Biomedical Engineering, University of Minnesota, Minneapolis, MN 55455, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BioCAS  ページ： 18-21  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 信号圧縮は限られたデータ帯域幅をもつ資源制約無線神経記録応用に非常に重要であり,圧縮センシング(CS)は,この分野での可能性を実証したことに成功した。しかし,従来のCS手法は神経信号のスパース表現を見出すためにデータ依存であり,コンピュータ的に強い辞書学習過程に依存し,辞書再訓練は実際の実験中の避けられない。本論文では,無線神経記録のための訓練CSアプローチを提案した。信号スパース性を強化するための解析モデルを採用し,解析演算子として多次数差分行列を構築することにより,辞書学習手順を回避し,以前に得られたデータと計算の複雑さの必要性を減少させた。添加では,神経信号を回収するために開発した群重み付き解析XI最小化法。実験結果は,提案手法が無線神経記録のための最先端のCS法より優れていることを明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *神経インパルス ,  計算量 ,  解析モデル ,  帯域幅
準シソーラス用語： 最先端 ,  差分 ,  次数 ,  スパース性 ,  辞書学習 ,  スパース表現 ,  資源制約 ,  信号圧縮 ,  *圧縮センシング ,  *神経記録法 ,  *ワイヤレス , 【Automatic Indexing@JST】

分類 (4件)： 信号理論  (ND02020G) ,  非破壊試験  (HB02030F) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 無線 ,  神経記録 ,  訓練 ,  圧縮センシング