文献

J-GLOBAL ID：202202215909717427   整理番号：22A0566440

多チャネル電気生理学における雑音除去,コントラスト強調および次元縮小のための一般化固有分解に関するチュートリアル【JST・京大機械翻訳】

A tutorial on generalized eigendecomposition for denoising, contrast enhancement, and dimension reduction in multichannel electrophysiology

著者 (1件)： Cohen Michael X (Donders Centre for Medical Neuroscience, Radboud University Medical Center, the Netherlands)
資料名： NeuroImage  (NeuroImage)
巻： 247  ページ： Null  発行年： 2022年 
JST資料番号： W3139A  ISSN： 1053-8119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： この論文の目的は,多チャネル信号処理における次元縮小とソース分離に使用されるロバストで柔軟なフレームワークである一般化固有分解(GED)に対する理論的で実用的な導入を提示することである。認知電気生理学において,GEDを用いて研究者指定コントラストを最大化する空間フィルタを作成した。例えば,異なるソースが異なる周波数コンテンツを持つか,あるいは,そのソースが実験条件にわたって大きさで変化するという仮定を利用することが望まれる。GEDは高速で,計算が容易であり,シミュレーションおよび実データでよく実行され,様々な特定の研究目標に容易に適応できる。本論文は,電気生理学におけるGEDの無数の個々の出版物と応用を一緒にする方法でGEDを導入し,試験および適応できるサンプルMATLABとPythonコードを提供する。応用においてしばしば生じる実際的考察と問題を論じた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 行列 ,  *コントラスト ,  刊行物 ,  空間フィルタ ,  信号処理 ,  *次元縮小 ,  ロバスト性 ,  コンテンツ ,  *雑音除去
準シソーラス用語： 共分散行列 ,  マルチチャネル ,  MATLAB ,  Python ,  *コントラスト強調 ,  *電気生理学 , 【Automatic Indexing@JST】

著者キーワード (9件)： EEG ,  MEG ,  LFP ,  振動 ,  発生源分離 ,  GED ,  固有分解 ,  成分分析 ,  共分散行列

分類 (4件)： 音声処理  (JE05000E) ,  数値計算  (JE02000J) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (9件)： 多チャネル ,  電気生理学 ,  雑音除去 ,  コントラスト強調 ,  次元縮小 ,  一般化 ,  固有 ,  分解 ,  チュートリアル