文献

J-GLOBAL ID：202102244494119554   整理番号：21A2982394

CNNアーキテクチャに基づく運動画像EEG信号の分類に関する研究【JST・京大機械翻訳】

Research on classification of Motor Imagery EEG signal based on CNN architecture

著者 (3件)： Zhang Yingjie (Changchun Institute of Technology,Department of Computer Technology and Engineering,Changchun,China,130012) ,  Geng Xiaozhong (Changchun Institute of Technology,Department of Computer Technology and Engineering,Changchun,China,130012) ,  Yan Hui (Changchun Institute of Technology,Department of Computer Technology and Engineering,Changchun,China,130012)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICVRIS  ページ： 446-449  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： 機械学習に基づくBCIは,末梢神経と筋肉の参加なしで,EEG信号を利用して出力に通信する。アーチファクトの存在におけるEEG信号の本質的特徴を抽出して,分類アルゴリズムを訓練して,分類装置の性能を最適化することは,BCIシステムのための重要な手順であった。BCIの実現において,最も重要なステップはEEG信号の特徴抽出と分類である。EEG信号の明白な個体差と低い信号対雑音比のために,現在の特徴抽出と分類アルゴリズムは,低い精度を持った。深層学習の出現は多くの分野で多くの注目を集めている。現在,いくつかの研究者は,EEG信号の認識に深層学習アルゴリズムを適用することを試み,良好な結果を得る。畳込みニューラルネットワーク(CNN)に基づいて,本論文は,エンドツーエンド深層学習による運動イメージタスク分類における深層学習の応用を研究した。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： SN比 ,  最適化 ,  分類装置 ,  特徴抽出 ,  個体差 ,  エンドツーエンド方式 ,  深層 ,  *計算機アーキテクチャ ,  アーチファクト ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 分類アルゴリズム ,  運動イメージ ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (6件)： CNN ,  アーキテクチャ ,  動画像 ,  EEG信号 ,  分類 ,  研究