文献

J-GLOBAL ID：202102229665464070   整理番号：21A0069978

複雑な運動画像に基づく脳コンピュータインタフェイスシステム:異なる分類器間の比較【JST・京大機械翻訳】

Complex Motor Imagery-based Brain-Computer Interface System: A Comparison Between Different Classifiers

著者 (5件)： Lee Seung-Bo (Korea University,Department of Brain and Cognitive Engineering,Seoul,South Korea) ,  Jung Min-Kyung (Korea University,Department of Brain and Cognitive Engineering,Seoul,South Korea) ,  Kim Hakseung (Korea University,Department of Brain and Cognitive Engineering,Seoul,South Korea) ,  Lee Seong-Whan (Korea University,Department of Brain and Cognitive Engineering,Seoul,South Korea) ,  Kim Dong-Joo (Korea University,Department of Brain and Cognitive Engineering,Seoul,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 2496-2501  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： 運動イメージ(MI)分類は,実世界応用の可能性による脳コンピュータインタフェース(BCI)の新たな研究興味として重要である。ロボット工学のような外部装置の操作と制御技術の進歩,複雑で人間のような動きのためのMIの必要性が成長している。MI-BCIの性能に影響する2つの最も重要な手順は,特徴抽出と分類である。複合体に対する特徴抽出に関する最近の研究があるが,複雑なMIに適した分類器に関するコンセンサスはない。本研究は,複雑なMI復号化のための最良の分類器を同定することを目的とした。手把持,伸展,発音,および回外である複雑なMIの間に測定した脳波記録(EEG)記録を,バイナリー(グラップ対ツイスト)および4級分類のために使用した。先行研究における複雑な動き復号化に対する適合性を示す時間領域パラメータをEEG特徴として使用した。MI-BCIに適用した4種類の機械学習分類器を比較した。収縮正則化線形判別分析(SRLDA)は,2成分(92.8%)と4成分(55.2%)の両方で最良の分類精度を示した。訓練と試験時間の場合,ランダムフォレストとロジスティック回帰を除いて,リアルタイム解析のための少量の時間が必要であった。本研究は,SRLDAが,定常および高次元特徴,TDPを扱う能力により,複雑なMI分類のための適切な分類器であることを示した。この知見は,複雑なMI-BCIが,線形および収縮正則化モデル(すなわち,SRLDA)の適用により,より多くの利益を得ることができることを示唆する。Copyright 2021 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： 特徴抽出 ,  適応性 ,  *復号化 ,  複合体 ,  線形性 ,  正則化 ,  高次元 ,  機械学習
準シソーラス用語： ロジスティック回帰分析 ,  運動イメージ ,  分類精度 ,  実時間 ,  *ブレインコンピュータインタフェイス ,  ランダムフォレスト ,  線形判別分析 , 【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 (3件)： 動画像 ,  脳コンピュータインタフェイス ,  分類器