文献

J-GLOBAL ID：202002251868817077   整理番号：20A2282857

MIEEG-GAN:人工運動画像脳波信号の生成【JST・京大機械翻訳】

MIEEG-GAN: Generating Artificial Motor Imagery Electroencephalography Signals

著者 (4件)： Roy Sujit (Ulster University,Intelligent Systems Research Centre,Londonderry,UK) ,  Dora Shirin (Ulster University,Intelligent Systems Research Centre,Londonderry,UK) ,  McCreadie Karl (Ulster University,Intelligent Systems Research Centre,Londonderry,UK) ,  Prasad Girijesh (Ulster University,Intelligent Systems Research Centre,Londonderry,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020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： 生成的敵対ネットワーク(GAN)は,音声処理のような領域における時系列データの生成において重要な進歩をもたらした。GANsのこの能力は,多数の試料が高価で時間がかかるので,脳-コンピュータインタフェイス(BCI)にとって非常に有用である。この課題に取り組むために,本論文では,運動イメージのための人工脳波(EEG)データを生成するための新しいアプローチを示した。GANは,双方向性Long Short Term記憶ニューロンから成る発生器と識別器ネットワークを使用する。訓練されたモデルをBCI競争IVからデータセット2bを用いて評価した。データセットは,左手および右手運動画像による試行から成る。個別GANを訓練して,データセットに存在する2種類の試行に対応する人工EEGサンプルを生成した。評価の目的で,実および人工EEG信号の時間周波数特性を,短TermFourier変換およびWelchのパワースペクトル密度を用いて比較した。結果は,GANがベータバンドにおけるパワー変動のような運動イメージEEGデータの重要な特性を捕捉することができることを示した。人工発生と元の信号における電力変動は,Welchのパワースペクトル密度で見たとき,類似の周波数ビンであった。Copyright 2020 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： 弁別器 ,  ネットワーク ,  *脳波 ,  ニューロン ,  周波数特性 ,  音声処理 ,  電力変動 ,  パワースペクトル密度
準シソーラス用語： 時系列データ ,  双方向性 ,  運動イメージ ,  ブレインコンピュータインタフェイス ,  *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 (4件)： GaN ,  人工 ,  動画像 ,  脳波信号