文献

J-GLOBAL ID：201902283028930476   整理番号：19A1254296

状態空間変分自動符号器を用いた音声生成中の神経動力学のモデリング【JST・京大機械翻訳】

Modeling neural dynamics during speech production using a state space variational autoencoder

著者 (3件)： Sun Pengfei (Department of Neurological Surgery and Center for Integrative Neuroscience, UC San Francisco, CA, USA) ,  Moses David A. (Department of Neurological Surgery and Center for Integrative Neuroscience, UC San Francisco, CA, USA) ,  Chang Edward F. (Department of Neurological Surgery and Center for Integrative Neuroscience, UC San Francisco, CA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： NER  ページ： 428-432  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： 行動の神経符号化を特性化することは,誘発された脳活動の複雑で雑音のある時空間的ダイナミクスにより,多くの研究分野において困難な課題のままである。これらの神経符号化をモデル化する重要な側面は,背景活動からのロバストで行動的に関連した信号の分離を含み,これはしばしば非関連脳過程からの信号と以前の行動イベントからの減衰情報を含んでいる。この分離を達成するために,瞬間的に誘発された前景信号と文脈依存背景信号を個別に記述するために,2分岐状態空間変動自己符号化(SSVAE)モデルを開発した。平滑化されたGauss混合モデルを用いて自発的音声誘発脳動力学をモデル化した。複数時間にわたる1つの参加者におけるECoG動力学を追跡するために提案したSSVAEモデルを適用することによって,著者らは,このモデルが他の潜在的因子推論アルゴリズムより正確に速度関連動力学を予測することができることを見つけた。著者らの結果は,瞬時音声誘発と遅い文脈依存性脳動力学を別々にモデル化することが,追跡性能を強化することができることを実証した。それは,様々な神経科学サブ分野における高度な神経符号化と復号化モデルの開発に重要な意味を持っている。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： 雑音 ,  平滑化 ,  *変分法 ,  復号化 ,  キャラクタリゼーション ,  神経科学 ,  *モデリング ,  ロバスト性 ,  アルゴリズム
準シソーラス用語： 皮質脳波 ,  前景 ,  脳活動 ,  神経符号化 ,  *神経 ,  *状態空間 , 【Automatic Indexing@JST】

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  NMR一般  (BM07041R) ,  ロボットの運動・制御  (IC04012J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 状態空間 ,  変分 ,  符号器 ,  音声生成 ,  神経 ,  動力学 ,  モデリング