文献

J-GLOBAL ID：202002265822173638   整理番号：20A0815799

MI-EEGを分類するための浅い畳込みニューラルネットワーク【JST・京大機械翻訳】

A Shallow Convolutional Neural Network for Classifying MI-EEG

著者 (4件)： Wang Tingting (Tianjin University of Technology,Tianjin Key Laboratory For Control Theory & Applications in Complicated Systems,Tianjin,China) ,  Dong Enzeng (Tianjin University of Technology,Tianjin Key Laboratory For Control Theory & Applications in Complicated Systems,Tianjin,China) ,  Du Shengzhi (Tianjin University of Technology,Tianjin Key Laboratory For Control Theory & Applications in Complicated Systems,Tianjin,China) ,  Jia Chao (Tianjin University of Technology,Tianjin Key Laboratory For Control Theory & Applications in Complicated Systems,Tianjin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CAC  ページ： 5837-5841  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： 深いニューラルネットワークは機械学習の分野におけるホットスポットであり,それは入力データの深い階層的表現を実現することができる。本論文では,単純化されたShallow Convolution Neural Network(SCNN)を用いて,モータ画像脳波(MI-EEG)を分類した。ネットワークは,EEGシーケンスの固有の特徴をマイニングするために単一特徴層を使用して,分類効果を評価するために訓練時間と精度を使用する。他の方法と異なり,CNNは特徴抽出を統合して,全体のプロセスを最適化するために分類結果を予測して,それはオリジナルデータから特徴を自動的に抽出することができた。BCI競争IVデータセット2b競争データセットとBCI競争IIデータセットIII競争データセットに関する実験は,SCNNの下の全体的性能が最良であることを示した。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： 簡素化 ,  機械学習 ,  *ニューラルネットワーク ,  特徴抽出 ,  脳波 ,  ホットスポット ,  *ネットワーク ,  最適化 ,  電動機 ,  *畳込みニューラルネットワーク ,  改変
準シソーラス用語： 入力データ , 【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 (2件)： 分類 ,  畳込みニューラルネットワーク