文献

J-GLOBAL ID：202202272553889917   整理番号：22A0980263

EEG信号に基づく神経訓練システムのための組み込み濃度レベル予測装置【JST・京大機械翻訳】

A Built-in Concentration Level Prediction Device for Neuro Training System Based on EEG Signal

著者 (4件)： Nguyen Ha-Trung (Department of AI Convergence, Pukyong National University, Busan, South Korea) ,  Mai Ngoc-Dau (Department of AI Convergence, Pukyong National University, Busan, South Korea) ,  Kim Jong-Jin (Department of Electronic Engineering, Pukyong National University, Busan, South Korea) ,  Chung Wan-Young (Department of AI Convergence, Pukyong National University, Busan, South Korea)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13184  ページ： 568-573  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 本研究は,EEG信号を用いたビルトイン濃度レベルフィードバックシステムを開発した。システムは,濃度レベル予測のために正面頭皮の指定位置に取り付けた2つの電極からの脳波(EEG)取得のための埋込み装置を含む。本研究で使用した選択されたEEGベースの特徴は,Fourier高速変換(FFT)法を用いて,5つのEEGバンド(Delta,θ,α,ベータ,ガンマ)から抽出した相対パワースペクトル密度(PSD)である。次に,サポートベクトルマシン(SVM)および多層パーセプトロン(MLP)を含む2つの標準機械学習モデルを,濃度レベル予測のための入力として相対パワースペクトル密度(PSD)の特徴を有するパーソナルコンピュータ(PC)上で訓練した。性能評価を行った後に,MLPを採用して,評価に基づくリアルタイム濃度レベル予測のために装置に展開した。結果は,実際の応用におけるEEGベースのビルトイン濃度レベル予測デバイスの実現可能性を実証した。Copyright 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： 学習モデル ,  脳波 ,  電極 ,  パワースペクトル密度 ,  パーソナルコンピュータ ,  性能評価 ,  多層パーセプトロン ,  機械学習 ,  *サポートベクトルマシン
準シソーラス用語： 頭皮 ,  オンチップ ,  Delta蛋白質 ,  実時間 ,  *訓練システム ,  *脳波信号 , 【Automatic Indexing@JST】

著者キーワード (7件)： 濃度レベル予測 ,  EEG ,  オンチップ機械学習 ,  FFT ,  相対PSD ,  SVM ,  MLP

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： EEG信号 ,  神経 ,  訓練システム ,  組み込み ,  予測