文献

J-GLOBAL ID：202102287593200277   整理番号：21A0538348

スケジュール化経験的モード分解と適応雑音除去オートエンコーダに基づく運動画像EEG認識【JST・京大機械翻訳】

Motor Imagery EEG Recognition Based on Scheduled Empirical Mode Decomposition and Adaptive Denoising Autoencoders

著者 (6件)： Xie Tao (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Ma Weichang (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Li Xingchen (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Li Wei (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Hao Bohui (Chongqing University of Posts and Telecommunications,Chongqing,China) ,  Tang Xianlun (Chongqing University of Posts and Telecommunications,Chongqing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CAC  ページ： 1528-1532  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： 人工定義は,主に運動イメージ(MI)に関する既存の研究における予訓練として使用され,それはパラメータ調整のコスト時間である。モータ画像分類で使用される畳み込みニューラルネットワーク(CNN)のような深層学習法は,そのランダム初期化戦略のため,局所収束の問題を引き起こす。これらの限界に対処するために,経験的モード分解(EMD)を用いてMI信号を再構成し,適応学習速度戦略によって訓練された雑音除去自動符号器(DAE)における再構成信号を適用する方法を提案した。このモデルにおいて,DAEはアニーリング原理に従って適応的に雑音レベルを得て,非凸ネットワークにおける局所最小値を解くための適応学習速度を選択した。オフラインおよびオンライン実験を行い,その性能を評価した。対応する結果は,提案方法が他の主流方法と比較してより高い認識精度とより良い収束速度を達成できることを示した。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： 焼なまし ,  ネットワーク ,  電動機 ,  雑音指数 ,  符号器 ,  再構成 ,  凸形 ,  *雑音除去
準シソーラス用語： 適応学習 ,  収束速度 ,  画像分類 ,  認識精度 ,  オンライン ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (7件)： スケジュール ,  経験的モード分解 ,  適応 ,  雑音除去 ,  オートエンコーダ ,  動画像 ,  EEG