文献

J-GLOBAL ID：201802264002845666   整理番号：18A0588943

EEG復号化のための訓練された深い畳込みネットワークにおけるスペクトル特徴の階層的内部表現【Powered by NICT】

Hierarchical internal representation of spectral features in deep convolutional networks trained for EEG decoding

著者 (3件)： Hartmann Kay Gregor (Translational Neurotechnology Lab, Medical Center - University of Freiburg, Freiburg, Germany) ,  Schirrmeister Robin Tibor (Translational Neurotechnology Lab, Medical Center - University of Freiburg, Freiburg, Germany) ,  Ball Tonio (Translational Neurotechnology Lab, Medical Center - University of Freiburg, Freiburg, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： BCI  ページ： 1-6  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： 最近,機械学習モデルの解釈可能性への関心と研究を増加させる,例えばそれら変換と脳-コンピュータインタフェイス(BCI)応用におけるEEG信号を表す内部かである。これはモデルの限界を理解するのに役立つことができ,精度が如何に改善されるか,データ自身に関する洞察を提供する可能性を示した。Schirrmeisterら(2017)は最近エンドツーエンド的に訓練された深層畳込みニューラルネットワーク(ConvNets(畳み込みニューラルネットワーク))を用いたEEG復号化のための有望な結果を報告し,因果可視化アプローチを用いた,入力におけるスペクトル振幅変化を用いることを学習することを示した。本研究では,著者らはConvNets(畳み込みニューラルネットワーク)は,ネットワークの中間段階の列を通るスペクトル特徴を表すかを調べた。は初期段階で脳波位相特徴と後期段階でEEG振幅特徴への高い感度への高い感度を示した。興味深いことに,著者らは,古典的なEEG周波数帯α,β,と高ガンマネットワークの個々の段階の特殊化を観察した。さらに,特に最後の畳込み層における,ネットワークはスペクトル位相と振幅を超えたより複雑な振動パターンを検出し,コンピュータビジョンタスクにおけるConvNets(畳み込みニューラルネットワーク)の後期層における複雑な視覚的特徴の表現を連想させる学習する最初の証拠を見出した。著者らの知見は,ConvNets(畳み込みニューラルネットワーク)はそれらの中間層におけるスペクトルEEG特徴を表現階層かについての洞察を提供し,ConvNets(畳み込みニューラルネットワーク)を利用できることを示唆し,EEG時系列の組成構造をより良く理解する助けとなるかもしれない。Copyright 2018 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： 周波数帯 ,  *畳込み ,  *復号化 ,  *スペクトル ,  位相 ,  機械学習 ,  *ネットワーク ,  可視化 ,  エンドツーエンド方式 ,  脳波
準シソーラス用語： 中間層 ,  畳込みニューラルネットワーク ,  脳波信号 ,  ブレインコンピュータインタフェイス ,  *スペクトル特徴 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： EEG ,  復号化 ,  訓練 ,  畳込み ,  スペクトル特徴 ,  表現