文献

J-GLOBAL ID：202202273851794132   整理番号：22A0738472

ENIC:生体信号分類のためのスパースディピクションベース深層および移動学習によるアンサンブルおよび自然傾斜分類【JST・京大機械翻訳】

ENIC: Ensemble and Nature Inclined Classification with Sparse Depiction based Deep and Transfer Learning for Biosignal Classification

著者 (2件)： Prabhakar Sunil Kumar (Department of Artificial Intelligence, Korea University, Anam-dong, Seongbuk-gu, Seoul 02841, Republic of Korea) ,  Lee Seong-Whan (Department of Artificial Intelligence, Korea University, Anam-dong, Seongbuk-gu, Seoul 02841, Republic of Korea)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 117  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 脳の電気的活動を記録し,脳の頭皮に電極を配置することにより脳波(EEG)で測定した。それは,臨床的および学術的研究活動の両者で利用される有名なかつ多目的な方法論である。本研究では,まず,K-特異値分解(K-SVD)アルゴリズムを用いて,スパース表現をEEG信号に組み込み,その特徴を自己組織化マップ(SOM)技術を用いて抽出した。抽出した特徴を,まず,極端学習機械(ELM)と,アンサンブルELMモデルおよび自然傾斜ELMモデルのようなELMの提案した分類バージョンによって分類した。提案したアンサンブルELMモデルは修正Adaboostの組合せを利用する。ELMによるウェーブレット閾値に基づくRT。提案した自然傾斜ELMは,遺伝的アルゴリズムベースのELM(GA-ELM),パーティクルスウォーム最適化ベースのELM(PSO-ELM),アリコロニー最適化ベースのELM(ACO-ELM),人工ミツバチコロニーベースのELM(ABC-ELM),およびGlowワームスウォーム最適化ベースのELM(GSO-ELM)のようないくつかの有名な群知能アルゴリズムの組合せを利用する。また,抽出した特徴を,偶発的Long Short-Termメモリ(LSTM)リカレントニューラルネットワーク(RNN)を利用して,深層学習方法論で分類した。非負行列因子分解(NMF)を用いた別の有名な方法論と転送学習技法による親和性伝搬集合ベースの相互情報(APCMI)も提案し,スパースモデリングを行い,結果を解析した。提案した方法論は,てんかんデータセットや統合失調症データセットのような2つのEEGデータセットに対して実装され,包括的な分析が非常に有望な結果で行われる。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： アルゴリズム ,  記憶装置 ,  最適化 ,  *学習 ,  脳波 ,  統合失調症 ,  てんかん ,  波束 ,  自己組織化特徴マップ ,  遺伝的アルゴリズム ,  特異値分解
準シソーラス用語： 粒子群最適化 ,  リカレントニューラルネットワーク ,  スパース表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： EEG ,  K-SVD ,  スパース ,  SOM ,  群知能 ,  ELM ,  深層学習 ,  転移学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 生体信号 ,  分類 ,  深層 ,  学習 ,  アンサンブル