EEG睡眠紡錘モデリングに適用した深層ニューラル動的Bayesネットワーク【JST・京大機械翻訳】

Loza Carlos A.; Colgin Laura L.

プレプリント

J-GLOBAL ID：202202200383184987 整理番号：21P0054903

EEG睡眠紡錘モデリングに適用した深層ニューラル動的Bayesネットワーク【JST・京大機械翻訳】

Deep Neural Dynamic Bayesian Networks applied to EEG sleep spindles modeling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年10月16日プレプリントサーバーでの情報更新日： 2021年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

視覚スコアリング中に能動的に強制する制約エキスパートを組込む単一チャネルEEGに対する生成モデルを提案した。このフレームワークは,潜在変数と観測尤度の両方における深さを有する動的Bayesネットワークの形式をとり,隠れ変数は,継続時間,状態遷移,およびロバスト性を制御し,観測アーキテクチャは,正規分布をパラメータ化する。得られたモデルは,確率モデルと深層学習を利用することによって,時系列セグメンテーションを局所,再発生動的領域へ可能にした。典型的な検出器と異なり,著者らのモデルは前処理(例えば,フィルタリング,窓,閾値化)または後処理(例えば,イベント併合)なしで生データ(再サンプリングまで)を取る。これは,このモデルをリアルタイムアプリケーションに魅力的にするだけでなく,既知の臨床基準に類似した解釈可能なハイパーパラメータももたらす。動的プログラミングとバックプロパゲーションによる一般化期待値最大化の特殊ケースとして,厳密で扱いやすい推論のためのアルゴリズムを導いた。3つの公開データセットに関するモデルを検証し,より複雑なモデルが,透明で,監査可能で,一般化可能である間,最新の検出器を凌ぐことができるというサポートを提供した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る