文献
J-GLOBAL ID:202102210073959818   整理番号:21A3166658

機械学習によるEEGベース自動車音声認識のための臨界周波数帯域とチャネルの研究【JST・京大機械翻訳】

Studying critical frequency bands and channels for EEG-based automobile sound recognition with machine learning
著者 (10件):
資料名:
巻: 185  ページ: Null  発行年: 2022年 
JST資料番号: D0559A  ISSN: 0003-682X  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自動車音質の評価に対する主観的方法(スケールスコアのような)に関しては,脳波(EEG)は客観的かつリアルタイムに人間の精神状態を反映することができる。したがって,EEGを,周波数帯域とチャネルの観点から自動車音認識の方法を研究するために導入した。EEG取得装置を利用して,エンジン,排気および車内音によって刺激された被験者のEEGを同時に取得し,EEGのパワースペクトルをWelchアルゴリズムによって抽出し,特徴マトリックスを構築した。次に,5つの機械学習モデルに基づく自動車音認識の精度を比較し,最適モデルと最良周波数帯範囲を決定した。さらに,被験者間の差を考慮して,m-ReliefFアルゴリズムを適用して,最適重量を有する普遍性チャネルを調査した。結果は,3種類の自動車音間の差異がKNNモデルによって効果的に同定でき,その平均精度が87.93%に達することを示した。さらに,ベータとガンマバンドの認識精度は,αとθバンドのものよりはるかに高かった。また,トップ普遍性9と12チャネルの精度は,それぞれ89.9%と92.8%であり,元の63チャネルのものより良かった。本研究は,認識精度と計算効率が,自動車音に関連する周波数帯域とチャネルの正確な局在化によって著しく改善され,自動車音質のEEGベースの評価が実現可能であることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
振動,乗心地 

前のページに戻る