文献

J-GLOBAL ID：202002260405794636   整理番号：20A2500706

皮質内脳-機械インタフェイスのためのアクティブ学習に基づくニューラル復号化【JST・京大機械翻訳】

Neural Decoding Based on Active Learning for Intracortical Brain-Machine Interfaces

著者 (4件)： Wang Weihua (Huazhong University of Science and Technology (HUST),School of Artificial Intelligence and Automation,Wuhan,Hubei,China) ,  Huang Jian (Huazhong University of Science and Technology (HUST),School of Artificial Intelligence and Automation,Wuhan,Hubei,China) ,  Wu Dongrui (Huazhong University of Science and Technology (HUST),School of Artificial Intelligence and Automation,Wuhan,Hubei,China) ,  Zhang Peng (Huazhong University of Science and Technology (HUST),Wuhan National Liboratory for Opeoelectronics,Wuhan,Hubei,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICMA  ページ： 1425-1430  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： 皮質内脳-機械インタフェイス(iBMIs)では,多数のラベルなし試料をラベル付けするために時間がかかり,高価である。本論文では,入力(DGSx)上の雑音除去欲張りサンプリング,出力(DGSy)に関する雑音除去欲張りサンプリング,および雑音除去改良 greedy欲サンプリング(DiGS)という3つの greedy欲サンプリング能動学習アルゴリズムを,ラベリングサンプルの問題を解決するために提案した。iBMIsにおいて,生データにおける異常点の影響を減らすために,1クラスSVMを雑音除去して,元の greedy欲サンプリングアルゴリズムの性能を改善し,安定またはロバスト復号化を達成した。委員会(QBC)と不確実性サンプリング(US)によるQueryと比較して,提案した方式はより高い精度を達成した。iBMIsにおけるアカゲザルの電気生理学的シグナルによる実験によって,提案した方法の効率を実証した。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： 不確実性 ,  *復号化 ,  *皮質 ,  アカゲザル ,  特異点 ,  インタフェイス ,  ロバスト性 ,  学習アルゴリズム ,  雑音除去
準シソーラス用語： *能動学習 ,  電気生理学 , 【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 (5件)： 皮質 ,  脳 ,  インタフェイス ,  アクティブ学習 ,  復号化