文献

J-GLOBAL ID：201702243418731936   整理番号：17A1397266

触覚P300ベース脳-コンピュータインタフェイスにおけるERP分類のための畳込みニューラルネットワークアーキテクチャと入力体積マトリックス設計【Powered by NICT】

Convolutional neural network architecture and input volume matrix design for ERP classifications in a tactile P300-based Brain-Computer Interface

著者 (2件)： Kodama Takumi (Life Science Center of TARA, University of Tsukuba, Japan) ,  Makino Shoji (Life Science Center of TARA, University of Tsukuba, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 3814-3817  発行年： 2017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： 提示した研究では,全身触覚P300ベース脳-コンピュータインタフェイスパラダイム(fbBCI)で得られた体性感覚事象関連電位(ERP)間隔のための畳込みニューラルネットワーク(CNN)分類器を用いたオフラインERP分類を行った。研究の主目的は,CNN分類器を適用することによりfbBCI刺激パターン分類精度を向上させることである。各電極チャネルにおける一次元体性感覚事象関連電位(ERP)間隔により形質転換された60×60平方入力体積はフィルタ訓練のための畳込みアーキテクチャに入力される。分類精度結果を計算するために,平坦化活性化マップは一つの隠れ層を持つ多層パーセプトロンにより評価した。提案した方法は,CNN分類器モデルはfbBCIパラダイムを用いた非個人訓練ERP分類を達成し,すべての参加した十人のユーザのための100%の分類精度結果をスコアリングでき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： 一次元 ,  体性感覚 ,  *畳込み ,  フィルタ ,  事象関連電位 ,  *触覚 ,  多層パーセプトロン ,  *計算機アーキテクチャ ,  *ニューラルネットワーク ,  チャネル
準シソーラス用語： 隠れ層 ,  分類精度 ,  *ニューラルネットワークアーキテクチャ ,  *P300事象関連電位 ,  *ブレインコンピュータインタフェイス , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (11件)： 触覚 ,  P300 ,  脳 ,  コンピュータインタフェイス ,  ERP ,  分類 ,  畳込みニューラルネットワーク ,  アーキテクチャ ,  体積 ,  マトリックス ,  設計