文献

J-GLOBAL ID：201902219592699506   整理番号：19A0130816

EEG信号に基づく形状類似英語文字の知覚における脳活動の分類【JST・京大機械翻訳】

Classifying Brain Activities in Perception of Shape-Analogous English Letters Based on EEG Signal

著者 (6件)： Bose Rohit ,  Goh Sim Kuan ,  Wong Kian F ,  Thakor Nitish ,  Bezerianos Anastasios ,  Li Junhua
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CW 2018  ページ： 184-190  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： 脳コンピュータインタフェース(BCI)技術は,人間の意図や刺激の知覚が,人間の頭皮から記録されたEEG信号を用いて認識できることを示している。意図が脳または外部刺激において開始されるとき,基礎となる関連処理は脳活動を変化させる。脳活動のこの変化はEEG信号に反映される。従って,意図または刺激知覚は脳活動の変化に基づいて分類される。類似の形状が脳活動におけるより少ない差異に導くことができるので,形状類似の英語文字の知覚において脳活動を分類することは難しいかもしれない。EEG信号を用いて形状類似文字の分類実現可能性と分類性能を調査するために,著者らは,参加者が4つの文字(すなわち,p’,’q’,’b’,および’d’)を知覚し,EEG信号を記録した場合に,形状類似文字認識の実験を行った。Fスコア法を用いて各特徴の識別力を評価し,識別力の高い特徴のサブグループを選択し,分類器に供給した。5つの分類器(即ち,k-最近傍(kNN),サポートベクトルマシン(SVM),線形判別分析(LDA),ランダムフォレスト(RF)およびAdaBoost(ADA))を用いて,形状類似文字の知覚における脳活動を分類した。各分類器に対して,そのパラメータと使用した特徴の数を最適化した。分類器の間の性能比較に基づいて,ランダムフォレスト(RF)分類装置は74.1%の最大精度を達成したが,それはSVMより統計的に有意に良くなかった。著者らの研究は,形状類似英語文字の知覚における脳活動がEEG信号に基づいて分類でき,ランダムフォレスト分類器が比較の結果に従って他の分類器より優れていることを示した。Copyright 2019 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： 分類装置 ,  *英語 ,  文字認識 ,  サポートベクトルマシン ,  最適化
準シソーラス用語： 性能比較 ,  AdaBoost ,  ランダムフォレスト ,  線形判別分析 ,  スコア ,  頭皮 ,  ブレインコンピュータインタフェイス ,  *脳活動 ,  *脳波信号 , 【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 (7件)： EEG信号 ,  類似 ,  英語 ,  文字 ,  知覚 ,  脳活動 ,  分類