文献

J-GLOBAL ID：201802288422259024   整理番号：18A1148881

EEG信号分類のための深層学習性能改善のための中心損失関数の使用【JST・京大機械翻訳】

Using the center loss function to improve deep learning performance for EEG signal classification

著者 (2件)： Zhang Wenxiang (School of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Liu Qingshan (School of Mathematics, Southeast University, Nanjing 210096, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACI  ページ： 578-582  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)信号分類は,Brain-コンピュータインタフェイス(BCI)システムにおけるますます興味ある課題であるが,EEG信号からパターンを学習し,EEG分類のための一般的モデルを設計する方法は依然として課題である。本論文において,著者らは,EEG信号を分類するために,中心損失関数を有する畳込みニューラルネットワークとLong Short-Termメモリ(CNN+LSTM)を結合した。2D CNNにおける畳込みフィルタとしての1つの・3カーネルを使用する。それは他のモデルと異なる。顔認識のような画像分類には通常,深いメトリック学習が用いられる。本論文では,分類精度を改善するために,より識別的な特徴を学習するために,中心損失関数を用いた。一方,複数のEEGデータセットに関する著者らの方法を実験した。認知負荷認識で約94%,感情認識で86.52%の分類精度を達成した。視覚オブジェクト分析のためのEEGデータセットに関して,著者らの方法は,このデータセットを公開して公開するものと比較して,同等の結果を生み出した。良好な性能は,中心損失関数を有する著者らのモデルがEEG信号分類に広く適していることを示した。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： 二次元 ,  脳波 ,  記憶装置 ,  フィルタ ,  視覚 ,  畳込み ,  *損失関数
準シソーラス用語： 感情認識 ,  認知負荷 ,  分類精度 ,  画像分類 ,  畳込みニューラルネットワーク ,  *信号分類 ,  *深層学習 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： EEG信号 ,  分類 ,  深層学習 ,  性能改善 ,  損失関数