ترجمه فارسی مقاله طبقه بندی احساسات از سیگنال های EEG چند کانالی با استفاده از HiSTN: یک رویکرد مکانی-زمانی مبتنی بر نمودار سلسله مراتبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Emotion Classification from Multi-Channel EEG Signals Using HiSTN: A Hierarchical Graph-based Spatial-Temporal Approach
عنوان مقاله به فارسی طبقه بندی احساسات از سیگنال های EEG چند کانالی با استفاده از HiSTN: یک رویکرد مکانی-زمانی مبتنی بر نمودار سلسله مراتبی
نویسندگان Dongyang Kuang, Xinyue Song, Craig Michoski
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Signal Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش سیگنال , دید رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: Draft
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: پیش نویس
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This study introduces a parameter-efficient Hierarchical Spatial Temporal Network (HiSTN) specifically designed for the task of emotion classification using multi-channel electroencephalogram data. The network incorporates a graph hierarchy constructed from bottom-up at various abstraction levels, offering the dual advantages of enhanced task-relevant deep feature extraction and a lightweight design. The model's effectiveness is further amplified when used in conjunction with a proposed unique label smoothing method. Comprehensive benchmark experiments reveal that this combined approach yields high, balanced performance in terms of both quantitative and qualitative predictions. HiSTN, which has approximately 1,000 parameters, achieves mean F1 scores of 96.82% (valence) and 95.62% (arousal) in subject-dependent tests on the rarely-utilized 5-classification task problem from the DREAMER dataset. In the subject-independent settings, the same model yields mean F1 scores of 78.34% for valence and 81.59% for arousal. The adoption of the Sequential Top-2 Hit Rate (Seq2HR) metric highlights the significant enhancements in terms of the balance between model's quantitative and qualitative for predictions achieved through our approach when compared to training with regular one-hot labels. These improvements surpass 50% in subject-dependent tasks and 30% in subject-independent tasks. The study also includes relevant ablation studies and case explorations to further elucidate the workings of the proposed model and enhance its interpretability.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه یک شبکه موقتی مکانی سلسله مراتبی (HISTN) را به طور خاص برای کار طبقه بندی احساسات با استفاده از داده های الکتروانسفالوگرام چند کانال طراحی می کند.این شبکه شامل یک سلسله مراتب نمودار ساخته شده از پایین به بالا در سطوح مختلف انتزاع است و مزایای دوگانه استخراج ویژگی های عمیق مربوط به کار و طراحی سبک را ارائه می دهد.اثربخشی این مدل در هنگام استفاده از یک روش هموار سازی برچسب منحصر به فرد پیشنهادی تقویت می شود.آزمایش های معیار جامع نشان می دهد که این رویکرد ترکیبی از نظر پیش بینی های کمی و کیفی عملکرد بالا و متعادل دارد.HISTN ، که تقریباً 1000 پارامتر دارد ، به میانگین نمرات F1 82 /96 ٪ (ارزش) و 65.62 ٪ (برانگیختگی) در تست های وابسته به موضوع در مشکل 5 طبقه بندی بندرت به ندرت استفاده می شود.در تنظیمات مستقل از موضوع ، همان مدل میانگین نمرات F1 78.34 ٪ برای ارزش و 81.59 ٪ برای برانگیختگی است.اتخاذ متریک نرخ ضربه برتر 2 پی در پی 2 (SEQ2HR) پیشرفت های قابل توجهی را از نظر تعادل بین کمی و کیفی مدل برای پیش بینی های حاصل از رویکرد ما در مقایسه با آموزش با برچسب های یک داغ منظم برجسته می کند.این پیشرفت ها 50 ٪ در کارهای وابسته به موضوع و 30 ٪ در کارهای مستقل از موضوع فراتر می رود.این مطالعه همچنین شامل مطالعات مربوط به فرسایش و اکتشافات موردی برای روشن شدن بیشتر عملکرد مدل پیشنهادی و تقویت تفسیر آن است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.