文献

J-GLOBAL ID：201802280932626204   整理番号：18A2024182

条件付きWasserstein GaNを用いた感情認識のためのEEGデータ増強【JST・京大機械翻訳】

EEG Data Augmentation for Emotion Recognition Using a Conditional Wasserstein GAN

著者 (1件)： Luo Yun (Center for Brain-Like Computing and Machine Intelligence, Shanghai Jiao Tong University, 800 Dong Chuan Road, Shanghai, 200240, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 2535-2538  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： 脳波(EEG)データの欠如により,機械学習アプローチを用いてEEG信号から高精度で感情認識モデルを構築することは困難である。生成的な敵のネットワーク(Gans)によってヒントを得て,EEGベースの感情認識を強化するために,EEGデータ増強のためのCondictional Wasserstein GAN(CWGAN)フレームワークを導入した。勾配ペナルティを有するWasserstein GANを採用して,微分エントロピー(DE)形式における現実的なEEGデータを生成した。3つの指標を用いて,生成した高次元EEGデータの品質を判断し,高品質データのみを追加して,データ多様体を補完し,異なる感情のより良い分類に導いた。著者らは,感情認識のための2つの公開EEGデータセット,すなわち,SEEDとDEAPに関する提案したCWGANフレームワークを評価した。実験結果により,CWGANにより生成されたEEGデータを用いることにより,感情認識モデルの精度が大幅に改善されることを実証した。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： ネットワーク ,  *品質 ,  脳波 ,  エントロピー ,  窒化ガリウム ,  多様体 ,  微分 ,  ペナルティ ,  機械学習 ,  高次元
準シソーラス用語： 高品質 ,  高精度 ,  脳波信号 ,  *感情認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： GaN ,  感情認識 ,  EEG ,  データ増強