文献

J-GLOBAL ID：201802264796061225   整理番号：18A0126576

EEGデータに基づく精神的負荷分類のための深層畳込みニューラルネットワーク【Powered by NICT】

Deep Convolutional Neural Networks for mental load classification based on EEG data

著者 (5件)： Jiao Zhicheng (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Gao Xinbo (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Wang Ying (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Li Jie (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Xu Haojun (Lab of Video and Image Processing Systems, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 76  ページ： 582-595  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 脳の電気的活動の表現,脳波(EEG)は,認知課題中の作業記憶のような脳活動の広く使用されている指標である。認知タスクの複雑さが異なる,精神的負荷が異なるEEG記録をもたらした。心的負荷の分類は作業記憶研究の核心問題の一つである。種々の機械学習法は,この地域に導入し,競争力のある性能を達成した。精神負荷を分類に深い再発畳込みニューラルネットワーク(CNN)による最近のブレークスルーによりヒントを得て,ここでは,このタスクのためのCNN方法の改善を提案した。具体的に,本フレームワークでは単一モードと二重モデル法の両方を含んでいる。我々のモデルの助けを借りて,EEGデータの空間,スペクトルおよび時間情報を考慮に入れた。一方,異なるネットワークを利用するための新しい融合戦略を本研究で紹介した。提案した方法は同じEEGデータベース上で最先端技術レベルの結果と比較した。比較結果は著者らの単一モデル法と二重モデル法の両方が良好性能の深い再発CNNと同等かより良い性能を達成できることを示した。さらに,提案したCNNモデルを最新のものよりも,少ないパラメータを含み,それは,更に現実的な応用でより競争力があるにしている。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 学習 ,  スペクトル ,  単一モード ,  脳波 ,  機械学習 ,  データベース ,  *ネットワーク ,  *深層 ,  再発
準シソーラス用語： 最先端技術 ,  時間情報 ,  心的負荷 ,  脳活動 ,  認知課題 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深い学習 ,  精神負荷分類 ,  CNN ,  EEG

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： EEG ,  分類 ,  深層畳込みニューラルネットワーク