文献

J-GLOBAL ID：202202215224588542   整理番号：22A1019849

SSVEP分類のためのゼロパディング周波数領域畳込みニューラルネットワーク【JST・京大機械翻訳】

A Zero-Padding Frequency Domain Convolutional Neural Network for SSVEP Classification

著者 (9件)： Gao Dongrui (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Gao Dongrui (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Zheng Wenyin (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Wang Manqing (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Wang Manqing (School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Lutao (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Xiao Yi (National Key Laboratory of Human Factors Engineering, China Astronaut Research and Training Center, Beijing, China) ,  Zhang Yongqing (School of Computer Science, Chengdu University of Information Technology, Chengdu, China) ,  Zhang Yongqing (School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China)
資料名： Frontiers in Human Neuroscience (Web)  (Frontiers in Human Neuroscience (Web))
巻： 16  ページ： 815163  発行年： 2022年 
JST資料番号： U7072A  ISSN： 1662-5161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 定常状態視覚誘発電位(SSVEP)の脳-コンピュータインタフェイス(BCI)は,人間-コンピュータ通信の基本的方法の1つである。主な課題は,他の状態における異なるSSVEP間に非線形関係がある可能性があることである。SSVEP BCIの性能を改善するために,本研究では新しいCNNアルゴリズムモデルを提案した。信号パワースペクトル密度(PSD)を計算するために離散Fourier変換に基づいて,著者らは,PSDに関するその性能を改良するために,信号時間領域において零パッドを実行して,それをより洗練した。このようにして,SSVEPのPSDにおける周波数点間隔は,刺激周波数間の最小ギャップと一致した。深層学習におけるCNNの非線形変換能力を結合して,零パッド周波数領域畳込みニューラルネットワーク(ZPFDCNN)モデルを提案した。SSVEPデータセットに基づく大規模な実験は,著者らの方法の有効性を実証した。本研究は,提案したZPFDCNN法がSSVEPベースの高速BCI ITRの有効性を改善できることを検証した。それは,BCIの応用において,大きな可能性がある。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Fourier変換 ,  脳波 ,  信号 ,  *ニューラルネットワーク ,  通信 ,  有効性 ,  パッド ,  パワースペクトル密度 ,  コンピュータ ,  視覚誘発電位 ,  *周波数領域
準シソーラス用語： 離散Fourier変換 ,  ブレインコンピュータインタフェイス ,  定常状態 ,  時間領域 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 脳波 ,  ゼロパディング周波数領域 ,  定常状態視覚誘発電位 ,  定常状態運動視覚誘発電位 ,  畳込みニューラルネットワーク

分類 (1件)： 生体計測  (EL03020C)

引用文献 (29件)：

• Bin G., Gao X., Wang Y., Yun L., Bo H., Gao S. (2011). A high-speed BCI based on code modulation VEP. J. Neural Eng. 8:025015. doi: 10.1088/1741-2560/8/2/025015
• Bin G., Gao X., Yan Z., Hong B., Gao S. (2009). An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method. J. Neural Eng. 4:046002. doi: 10.1088/1741-2560/6/4/046002
• Chen X., Wang Y., Gao S., Jung T. P., Gao X. (2015). Filter bank canonical correlation analysis for implementing a high-speed SSVEP-based brain-computer interface. J. Neural Eng. 12:046008. doi: 10.1088/1741-2560/12/4/046008
• Chen Y. F., Atal K., Xie S. Q., Liu Q. (2017). A new multivariate empirical mode decomposition method for improving the performance of SSVEP-based brain computer interface. J. Neural Eng. 14:046028. doi: 10.1088/1741-2552/aa6a23
• Cheng M., Gao X., Gao S., Member S., Xu D. (2002). Design and implementation of a brain-computer interface with high transfer rates. IEEE Trans. Biomed. Eng. 49, 1181-1186. doi: 10.1109/TBME.2002.803536

タイトルに関連する用語 (5件)： SSVEP ,  分類 ,  パディング ,  周波数領域 ,  畳込みニューラルネットワーク