周波数帯域特徴抽出に基づく嗅覚EEG信号分類ネットワーク【JST・京大機械翻訳】

Sun Biao; Wei Zhigang; Liang Pei; Hou Huirang

プレプリント

J-GLOBAL ID：202202203099565490 整理番号：22P0285099

周波数帯域特徴抽出に基づく嗅覚EEG信号分類ネットワーク【JST・京大機械翻訳】

An Olfactory EEG Signal Classification Network Based on Frequency Band Feature Extraction

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 (4件)： , , ,
資料名：
発行年： 2022年02月04日プレプリントサーバーでの情報更新日： 2022年02月04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)

嗅覚誘導脳波(EEG)信号の分類は,多くの分野で大きな可能性を示す。EEG信号内の異なる周波数帯が異なる情報を含むので,分類性能のための特定の周波数帯を抽出することが重要である。さらに,EEG信号の大きな被験者間変動により,一般的情報よりむしろ被験者固有情報による周波数帯域の抽出が重要である。これらを考慮して,このレターの焦点は,特定の周波数帯のスペクトルドメイン情報を利用して嗅覚EEG信号を分類することである。本論文では,周波数帯域特徴抽出に基づく嗅覚EEG信号分類ネットワークを示した。周波数帯域発生器を最初に設計し,スライディングウィンドウ技術により周波数帯を抽出した。次に,周波数帯域注意機構を提案して,適応的に特定の主題のための周波数帯を最適化した。最後に,畳込みニューラルネットワーク(CNN)を構築し,空間スペクトル情報を抽出し,EEGカテゴリーを予測した。比較実験結果は,提案方法が分類品質と被験者間ロバスト性の両方に関して一連のベースライン方法より優れていることを明らかにした。アブレーション実験結果は,提案した方法の各構成要素の有効性を実証した。【JST・京大機械翻訳】

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

生体計測

, , , ,

前のページに戻る