ブレインコンピュータインターフェースアプリケーションにおける疎空間および空間スペクトルフィルタの構 築のための貪欲解決法

Greedy solutions for the construction of sparse spatial and spatio-spectral lters in brain computer interface applications
Neurocomputing, 2013, Vol.108, p.69-78
20170727_tishihara

共通空間パターン(CSP)の元の定式化では,ブレインコンピュータインターフェース(BCI)の入力特徴量 として分散を抽出するときに,すべての記録チャンネルが結合されている.これは,構築されたシステムのオー バーフィットおよびロバスト性の問題をもたらす.本稿では,特徴を抽出する際に利用可能なすべてのチャネルの サブセットのみを線形結合し,分類の一般化を改善したスパースCSP 法を紹介する.我々は,空間射影を計算す るために複数のスパース固有ベクトルを識別するための貪欲探索ベースの一般化固有値分解アプローチを提案す る.我々は,ブレインコンピュータインタフェースコンペティション2005 の電気コルチコグラム(ECoG)および 脳波(EEG)データセットを用いて,バイナリ分類問題における提案されたスパースCSP 法の性能を評価する. 我々は,疎CSP によって得られた結果が従来の(疎でない)CSP によって得られた結果より優れていることを示 す.EEG データセットの5 人の被験者で平均した場合,分類誤差は12.3 %で平均疎性レベルは11.6 であり,118 チャネルの従来のCSP で得られた誤差は18.4 %であった.分類エラーは,ECoG データセットで64 チャネルを 使用する従来のCSP で得られた13 %のものと比較して,スパースネスレベル7 で10 %であった.さらに,疎な 共通空間スペクトルパターン(CSSP)を抽出するための提案されたスパースメソッドの有効性を検討した.

Deep Sparse Rectifier Neural Networks

14th International Conference on Artificial Intelligence and Statistics, Apr 2011, Fort Lauderdale, United States. 15, pp.315-323, 2011

整流ニューロンは生物学的にロジスティックシグモイド関数や tanh 関数のニューロンよりも尤もらしいです.しかし,後者はロジスティックシグモイド関数のニューロンより多層ニューラルネットワークを学習するためにより良い働きをします.本稿では,整流ニューロンを用いたネットワークはゼロ点での非直線性と非微分可能の性質を持っているにもかかわらず,tanh 関数のネットワークより良いあるいは同等の性能が得られ,自然なスパースデータに適しており,真のゼロでスパースな表現を作成することを示しています.それらはラベルなしのデータと半教師セットアップの利点を持ち,深い整流ネットワークは大規模なラベル付きのデータセットを用いた純粋な教師あり学習で教師なしの事前学習を必要とすることなく,ベストパフォーマンスに到達することができます.したがって,これらの結果は純粋な教師ありニューラルネットワークであるが深い訓練に困難を理解する試みにおいての新しいマイルストーンであり,教師なしの事前学習とのニューラルネットワーク間のパフォーマンスのギャップを埋める方法となります.

20151103khanawa