文献

J-GLOBAL ID：201902237536869033   整理番号：19A1254483

GaNベースのデータ増強を用いたFNIRS-BCI精度の改善【JST・京大機械翻訳】

Improving fNIRS-BCI accuracy using GAN-based data augmentation

著者 (4件)： Nagasawa Tomoyuki (Nagaoka University of Technology, Nagaoka, Niigata, 940-2188, Japan) ,  Sato Takanori (Nagaoka University of Technology, Nagaoka, Niigata, 940-2188, Japan) ,  Nambu Isao (Nagaoka University of Technology, Nagaoka, Niigata, 940-2188, Japan) ,  Wada Yasuhiro (Nagaoka University of Technology, Nagaoka, Niigata, 940-2188, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： NER  ページ： 1208-1211  発行年： 2019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： 機能的近赤外分光法(fNIRS)は脳-コンピュータインターフェース(BCI)に応用されると期待されている。長いfNIRS測定は参加者にとって快適ではないので,分類モデルを訓練するために十分な量のデータを得ることは困難である。したがって,fNIRS-BCI精度は減少する。本研究では,fNIRS-BCI精度を向上させるために,著者らは,生成的な敵のネットワーク(Gans)を用いて,fNIRSデータ増強法を調べた。fNIRSシミュレーションデータを用いて,提案したデータ増強法が人工fNIRSデータを生成できるかどうかを評価した。脳血流量(CBF)とCBFに基づくGansにより生成されたデータを比較し,提案した方法が人工fNIRSデータを生成できることを示した。提案した方法で生成したデータは一般的にfNIRSデータ時系列を再現したが,余分な雑音成分を含んでいた。また,fNIRSシミュレーションデータを用いて訓練された深いニューラルネットワーク(DNN)を評価した。その分類精度は,データ増強後に2倍になった。この結果は,提案したデータ増強法により生成した人工fNIRSデータがBCI性能の改善に有用であることを示唆した。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： ニューラルネットワーク ,  *窒化ガリウム ,  ネットワーク
準シソーラス用語： 分類精度 ,  脳血流量 ,  分類モデル ,  ブレインコンピュータインタフェイス , 【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 ,  データ増強 ,  fNIRS ,  BCI