文献

J-GLOBAL ID：201802226626288683   整理番号：18A1302343

ウェーブレットエンベロープ解析とLSTMネットワークを用いた運動画像EEGの分類【JST・京大機械翻訳】

Classification of motor imagery eeg using wavelet envelope analysis and LSTM networks

著者 (5件)： Zhou Jie (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, Zhejiang, China) ,  Meng Ming (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, Zhejiang, China) ,  Gao Yunyuan (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, Zhejiang, China) ,  Ma Yuliang (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, Zhejiang, China) ,  Zhang Qizhong (Institute of Intelligent Control and Robotics, Hangzhou Dianzi University, Hangzhou 310018, Zhejiang, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCDC  ページ： 5600-5605  発行年： 2018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： 運動イメージ(MI)に基づく脳コンピュータインタフェイス(BCI)は,制御信号に運動イメージ脳波(EEG)を用いて人間の運動意図を翻訳するための媒体を容易にする。BCI研究における主要な課題は,人間の運動意図を分類するための非定常脳電気信号の同定である。EEG信号を多重クラスに分類するために,MI-EEGの振幅変調特性と時系列情報を考慮したウェーブレットエンベロープ解析と長期短期メモリ(LSTM)分類器に基づく新しい方法を提案した。最初に,Hilbert変換(HT)と離散ウェーブレット変換(DWT)を組み合わせて,EEG信号の振幅変調と周波数変調の両方の基礎情報を含む顕著な特徴を抽出した。次に,ウェーブレットエンベロープ特徴を入力ゲート,忘れゲート,および出力ゲートを有するLSTM分類装置に入力した。最後に,実験は,5倍の交差検証によって2003年のBCI競争データセットIIIに関して実施して,実験結果は,提案した方法がより高い分類精度を達成することを助けることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 周波数変調 ,  振幅変調 ,  記憶装置 ,  制御信号 ,  媒質 ,  *画像 ,  多重化 ,  脳波 ,  分類装置
準シソーラス用語： 分類精度 ,  離散ウェーブレット変換 ,  脳波信号 ,  非定常性 ,  ブレインコンピュータインタフェイス ,  運動イメージ , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 解析 ,  LSTMネットワーク ,  動画像 ,  EEG ,  分類