文献

J-GLOBAL ID：202002225398305075   整理番号：20A2510570

てんかんEEG信号分類のためのFisher識別と大域構造制約による自動加重多視点識別メトリック学習法【JST・京大機械翻訳】

Auto-Weighted Multi-View Discriminative Metric Learning Method With Fisher Discriminative and Global Structure Constraints for Epilepsy EEG Signal Classification

著者 (3件)： Xue Jing (Department of Nephrology, The Affiliated Wuxi People’s Hospital of Nanjing Medical University, Wuxi, China) ,  Gu Xiaoqing (School of Computer Science and Artificial Intelligence, Changzhou University, Changzhou, China) ,  Ni Tongguang (School of Computer Science and Artificial Intelligence, Changzhou University, Changzhou, China)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 14  ページ： 586149  発行年： 2020年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 計量学習は,EEG信号分類問題のための一種の効率的アルゴリズムである。通常,計量学習法は単一視点空間におけるEEG信号を扱う。異なる特徴表現の多様性と補完性を利用するために,AMDMLと呼ばれるてんかんEEG信号分類のためのFisher識別とグローバル構造制約を有する新しい自動加重マルチビュー識別メトリック学習法を,EEG信号分類の性能を促進するために提案する。一方では,AMDMLはマルチビュー特徴表現の方式において異なる見解の多重特徴を利用する。一方,Fisher識別制約と大域的構造制約の両方を考慮して,AMDMLは識別メトリック空間を学習し,その中でクラス内EEG信号がコンパクトであり,クラス間EEG信号ができるだけ分離可能である。制約と視野の重みをより良く調整するために,手動調整の代わりに,閉形式解を提案して,最適モデルを達成するとき,最良値を得た。Bonn EEGデータセットに関する実験結果は,AMDMLが満足のいく結果を達成することを示した。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  手動制御 ,  *てんかん ,  多重化 ,  相補性
準シソーラス用語： マルチビュー ,  *脳波信号 ,  *メトリック学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 計量学習 ,  多視点学習 ,  自動重量 ,  EEG信号分類 ,  てんかん

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

引用文献 (35件)：

• AlwasitiH.YusoffM. Z.RazaK. (2020). Motor imagery classification for brain computer interface using deep metric learning. IEEE Access 8, 109949-109963. doi: 10.1109/ACCESS.2020.3002459
• CaiD.LiuK.SuF. (2015). “Local metric learning for EEG-based personal identification,” in Proceedings of 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (Brisbane, QLD), 842-846. doi: 10.1109/ICASSP.2015.7178088
• ChangC. C.LinC. J. (2011). LIBSVM: a library for support vector machines. ACM Trans. Intelligent Intellig. Syst. Technol. 2, 1-27. doi: 10.1145/1961189.1961199
• CuryC.MaurelP.GribonvalR.BarillotC. (2019). A sparse EEG-informed fMRI model for hybrid EEG-fMRI neurofeedback prediction. Front. Neurosci. 13:1451. doi: 10.3389/fnins.2019.0145132076396
• GriffinD.LimJ. S. (1984). Signal estimation from modified short-time fourier transform. IEEE Trans. Acoustics Speech Signal Process. 32, 236-243. doi: 10.1109/TASSP.1984.1164317

タイトルに関連する用語 (8件)： てんかん ,  EEG信号 ,  分類 ,  識別 ,  制約 ,  加重 ,  視点 ,  メトリック学習