SSVEPベースBCIのための被験者独立情報による被験者特有のモデルの性能向上【JST・京大機械翻訳】

Mehdizavareh Mohammad Hadi; Hemati Sobhan; Soltanian-Zadeh Hamid

プレプリント

J-GLOBAL ID：202202210849205454 整理番号：22P0069509

SSVEPベースBCIのための被験者独立情報による被験者特有のモデルの性能向上【JST・京大機械翻訳】

Enhancing performance of subject-specific models via subject-independent information for SSVEP-based BCIs

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 (3件)： , ,
資料名：
発行年： 2019年07月19日プレプリントサーバーでの情報更新日： 2020年01月15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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

最近,定常状態視覚誘発電位(SSVEP)に基づいて開発された脳-コンピュータインタフェース(BCI)システムは,それらの高い情報転送速度(ITR)と標的数の増加により多くの注目を集めている。しかし,SSVEPベースの方法は,それらの精度と目標検出時間に関して改良することができた。著者らは,主題特異的モデルと主題独立情報を統合し,BCI性能を強化するために,正準相関分析(CCA)に基づく新しい方法を提案する。著者らは,特定の主題のCCAベースのモデルのためのハイパーパラメータを最適化するために,他の被験者の訓練データを使用することを提案した。アンサンブルタスク関連成分分析(TRCA)との公正な比較のために,提案した方法のアンサンブルバージョンも開発した。提案方法をTRACAと拡張CCA法と比較した。公的に利用可能な35人の被験者SSVEPベンチマークデータセットを比較研究に用い,性能を分類精度とITRによって定量化した。提案方法のITRは,TRACAと拡張CCAのものより高い。提案方法は,すべての条件で拡張CCAと0.3sより大きい時間窓のためのTRACAを凌駕する。また,限られた訓練ブロックと電極があるとき,提案方法はTRCAより優れている。本研究は,被験者固有のモデルに対する被験者に依存しない情報の追加がSSVEPベースのBCIの性能を改善できることを示す。【JST・京大機械翻訳】

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

人間機械系 , 生体計測

, , , , ,

前のページに戻る