文献

J-GLOBAL ID：202202229670924105   整理番号：22A0707890

MR-EEGNet:運動画像分類のための効率的なコンビネット【JST・京大機械翻訳】

MR-EEGNet: An Efficient ConvNets for Motor Imagery Classification

著者 (3件)： Riyad Mouad (Networks, Telecoms & Multimedia Team, LIM@II-FSTM, Mohammedia, Morocco) ,  Khalil Mohammed (Networks, Telecoms & Multimedia Team, LIM@II-FSTM, Mohammedia, Morocco) ,  Adib Abdellah (Networks, Telecoms & Multimedia Team, LIM@II-FSTM, Mohammedia, Morocco)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1417  ページ： 722-729  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 脳-コンピュータインタフェイス(BCI)は,制御信号として脳波を用いて人間の心と機械を接続するシステムである。これらのシステムは,このシナリオに対してより便利である,脳波(EEG)を通して獲得した脳波を使用する。残念なことに,生成された信号はノイズがあり非定常である。これは信号の品質を低下させ,BCIシステムの性能にマイナスの影響を与える。また,ほとんどの特徴抽出アルゴリズムの不便さは,それらが信号のすべての特性を抽出できないことである。従って,入力信号の異なる解像度からのデータを抽出する新しい畳込みニューラルネットワーク(ConvNet)を提案した。提案手法の全体的性能を増加させるより適切な特徴を抽出することが可能になる。また,任意の勾配消失問題を危険にすることなく,ネットワークの深さを増加させることができる。この方法をデータセットBCI競合IV-2aでベンチマークした。結果は,著者らの方法がフィルタバンク共通空間パターンおよびRiemann幾何学技術より良好に機能することを示した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  ネットワーク ,  *脳波 ,  *分類 ,  信号 ,  分解能 ,  ニューラルネットワーク ,  特徴抽出 ,  制御信号 ,  ベンチマーク ,  フィルタバンク
準シソーラス用語： *画像分類 ,  非定常性 ,  ブレインコンピュータインタフェイス ,  空間パターン ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 畳込みニューラルネットワーク ,  脳波 ,  脳コンピュータインタフェイス ,  運動イメージ

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： MR ,  運動 ,  画像分類 ,  ネット