SSGCNet:てんかんEEG信号分類のためのスパーススペクトルグラフ畳込みネットワーク【JST・京大機械翻訳】

Wang Jialin; Gao Rui; Zheng Haotian; Zhu Hao; Shi C. -J. Richard

プレプリント

J-GLOBAL ID：202202207444161220 整理番号：22P0309560

SSGCNet:てんかんEEG信号分類のためのスパーススペクトルグラフ畳込みネットワーク【JST・京大機械翻訳】

SSGCNet: A Sparse Spectra Graph Convolutional Network for Epileptic EEG Signal Classification

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 (5件)： , , , ,
資料名：
発行年： 2022年03月24日プレプリントサーバーでの情報更新日： 2022年03月24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)

本論文では,てんかんEEG信号分類問題を解くためのスパーススペクトルグラフ畳込みネットワーク(SSGCNet)を提案した。目的は,モデル分類精度を失うことなく軽量深層学習モデルを達成することである。グラフノード間の冗長エッジを低減するEEG信号を表現するために,重み付き近傍場グラフ(WNFG)を提案した。WNFGは,従来の解法より,より低い時間複雑性とメモリ利用を持った。グラフ表現を用いて,逐次グラフ畳込みネットワークは,スパース重み剪定技術と乗算器(ADMM)の交互方向法の組合せに基づいている。提案アプローチは分類精度に影響を及ぼさずに計算量を低減することができる。また,提案した方法の収束結果を示した。このアプローチの性能を,公開および臨床-実際のデータセットで例証した。既存の文献と比較して,EEG信号のWNFGは,冗長なエッジ低減の10倍に達し,そして,著者らの方式は,分類精度の損失なしで,モデル剪定の97倍に達する。【JST・京大機械翻訳】

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

生体計測 , パターン認識 , 信号理論 , 神経系の診断

, , ,

前のページに戻る