文献

J-GLOBAL ID：201802221014502335   整理番号：18A1490244

ウェーブレット-CSPと射影極端学習機械を用いた脳波信号の分類【JST・京大機械翻訳】

Classification of electroencephalogram signals using wavelet-CSP and projection extreme learning machine

著者 (4件)： Dai Yixuan (MOE Key Lab for Intelligent Networks and Network Security, School of Electronics and Information Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Zhang Xinman (MOE Key Lab for Intelligent Networks and Network Security, School of Electronics and Information Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Chen Zhiqi (MOE Key Lab for Intelligent Networks and Network Security, School of Electronics and Information Engineering, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Xu Xuebin (Guangdong Xi’an Jiaotong University Academy, No. 3, Daliangdesheng East Road, Foshan, Guangdong 528000, China)
資料名： Review of Scientific Instruments  (Review of Scientific Instruments)
巻： 89  号： 7  ページ： 074302-074302-12  発行年： 2018年 
JST資料番号： D0517A  ISSN： 0034-6748  CODEN： RSINAK  資料種別： 逐次刊行物 (A)
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： 脳-コンピュータインタフェース(BCI)システムは,脳から出力デバイスへの直接通信チャネルを確立する。BCIの基礎として,運動イメージ活動を認識することは,複雑で非定常な特性による信号処理にかなりの挑戦をもたらす。本論文は,モータ画像BCIのための最適で知的な方法を紹介した。ノイズに対するロバスト性のために,ウェーブレットパケット分解と一般的空間パターン(CSP)方法は,前処理した信号の次元を減らすために実行した。そして,新規で効率的な分類器投影極端学習機械(PELM)を用いて,脳波信号のラベルを認識した。BCIにおけるウェーブレットCSPの優位性とPELMに基づく方法の性能を実証するために,BCI競争データセット上で実験を行った。結果は,PELMの平均認識率が約70%に近づき,一方,他の方法の最適率は72%であり,その訓練時間と分類時間は,それぞれ11.00msと11.66msと比較的長く,提案したBCIシステムを用いて得た4.75msと4.87msと比較した。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *射影 ,  画像 ,  前処理 ,  ロバスト性 ,  *波束 ,  雑音 ,  信号処理 ,  電動機 ,  通信チャネル
準シソーラス用語： 認識率 ,  空間パターン ,  非定常性 ,  運動イメージ ,  *脳波信号 ,  *極度学習機械 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： ウェーブレット ,  CSP ,  射影 ,  極端学習機械 ,  脳波信号 ,  分類