阅读：An unsupervised eye blink artifact detection method for real-time electroencephalogram processing

最新推荐文章于 2024-07-08 00:01:13 发布
最新推荐文章于 2024-07-08 00:01:13 发布
阅读量133 收藏
点赞数 1
分类专栏： 眨眼检测 脑机接口 文章标签： python 人工智能 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/GuFrank/article/details/125949993
版权

Title：An unsupervised eye blink artifact detection method for real-time electroencephalogram processing

作者：Won-Du Chang
发表时间：09-02-2016
发表机构：Department of Biomedical Engineering, Hanyang University
DOI：10.1088/0967-3334/37/3/401

tip：该论文是在《Detection of Eye Blink Artifacts from Single Prefrontal Channel Electroencephalogram》的基础上进行拓展的。

摘要：据报道，眨眼伪影会影响额部脑电图信号的θ和α节律，由于个体差异较大，很难在无监督的情况下准确检测到。在本研究中，我们提出了一种不使用任何标记训练数据自动实时检测眨眼伪影的新方法。该方法将基于数字滤波器的瞬态伪影检测方法与自动阈值分割算法相结合。利用24名参与者的脑电图数据对所提出的方法进行评估。实现了两种传统算法，并与所提出的方法进行了性能比较。
本研究的主要贡献是:(1)确认了个体阈值对伪影检测的必要性，(2)提出了一种新的算法结构，在没有任何先验知识的实时环境中检测瞬变伪影，(3)证明了通过使用实时自适应程序可以最小化训练数据的长度。

**实验方

最低0.47元/天 解锁文章
GuGuFrank
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-TKDE-A类-
熊熊小姐的博客
12-15 2082
a25-2021-TKDE(A类)-无监督-Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-精度-基于预测和基于重构 代码链接：https://github.com/7fantasysz/MSCRED 引用库链接：https://pyod.readthedocs.io/en/stable/ 挑战： 由于时间序列数据中的时间成分，时空域异常检测变得更加复杂。传统的异常检测技术无法处理多变量时间序列信号，因为它们
Variational Deep Embedding: An Unsupervised and Generative Approach to Clustering [VaDE-pytorch]
Ghy817920的博客
04-23 1715
Variational Deep Embedding: An Unsupervised and Generative Approach to Clustering https://arxiv.org/pdf/1611.05148.pdf 本文提出了一中无监督的生成模型，可以用作聚类，具体参见论文。在mnist数据集上复现代码见 https://github.com/GuHongyang/VaDE-...
USAD : UnSupervised Anomaly Detection on Multivariate Time Series
小蚂蚁与大象
06-07 1544
IT系统的自动监管是Orange目前面临的一个挑战。考虑到其IT业务的规模和复杂性，随着时间的推移，用于推断正常和异常行为所需的传感器数量急剧增加，使得传统的基于专家经验的监管方法变得缓慢或容易出错。本文提出了一种基于逆训练自编码器的多元时间序列无监督异常检测(USAD)方法。它的自动编码器架构使它能够以一种无监督的方式学习。对抗性训练的使用及其架构使其能够隔离异常，同时提供快速训练。我们通过在5个公共数据集上的实验研究了我们的方法的性质，从而证明了它的鲁棒性、训练速度和较高的异常检测性能。通过使用Oran
[论文阅读] Unsupervised Domain Adaptive Salient Object Detection Through Uncertainty-Aware Pseudo-Label
xiongxyowo的博客
04-06 2007
论文地址：https://arxiv.org/abs/2202.13170 代码：https://github.com/Kinpzz/UDASOD-UPL 发表于：AAAI 22 Abstract 深度学习的最新进展大大提升了显著目标检测(SOD)的性能，但却牺牲了更大规模的逐像素标注的标签。为了减轻劳动密集型标注的负担，人们提出了深度无监督的SOD方法，以利用手工制作的显著性方法产生的噪声标签。然而，从粗糙的噪声标签中学习准确的显著性细节仍然是困难的。在本文中，我们提出从合成但干净的标签中学习显著性，这自
IS-BERT:An Unsupervised Sentence Embedding Method byMutual Information Maximization
asd8705的专栏
04-20 1350
代码地址：https://github.com/yanzhangnlp/IS-BERT
RIFE: Real-Time Intermediate Flow Estimation for Video Frame Interpolation——精读笔记
学海无涯，快乐行舟
11-13 6073
RIFE是一种用于视频插帧(Video Frame Interpolation, VFI)的实时中间流估计算法(Real-time Intermediate Flow Estimation)。RIFE提出的IFNet神经网络可以由粗到精(coarse-to-fine)直接估算中间流，速度也更快。设计了一种特权蒸馏机制来训练中间流模型，可以大大提高性能。
MVTec AD—A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection 2019 CVPR
二颖的博客
10-25 4592
MVTec AD—A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection 2019 CVPR 作者：Paul Bergmann 最大贡献：MVTec数据集 代码： 摘要 无监督异常检测方法的开发需要有数据来训练以及评估新的方法和想法。本文介绍了MVTec Anomaly Detection (MVTec AD)数据集，MVTec数据集包含5354张不同目标和纹理类型的高分辨彩色图像。它包含用于训练的正常（即不包含缺陷）的图像
Self-similarity Grouping: A Simple Unsupervised Cross Domain Adaptation Approach for Person Re-id
嘻嘻哈哈yjy的博客
12-10 2595
行人重识别之cross domain Self-similarity Grouping: A Simple Unsupervised Cross Domain Adaptation Approach for Person Re-identification (ICCV2019) 原文链接 代码链接 核心思想：两个数据库之间，图像风格迥异。如果将图像进行分割，那么每一块之间的风格差异或许会小一点。这...
深度学习论文笔记（异常检测）——f-AnoGAN: Fast unsupervised anomaly detection with generative adversarial networks
热门推荐
菜到怀疑人生的博客
11-03 1万+
文章目录主要工作算法介绍阶段一：训练WGAN阶段二：训练Encoder训练方式一：iziiziizi训练方式二：zizzizziz训练方式三：izifizi_fizif​异常检测实验 主要工作 提出了一种Encoder，可以快速将图片映射到隐空间中的某个点，接着利用WGAN进行异常检测。 在深度学习论文笔记（异常检测）—— Generative Adversarial Networks to Gu...
An Unsupervised Method for Flotation Froth Image Segmentation Evaluation Based on Image Gray-Level Distribution
02-09
An Unsupervised Method for Flotation Froth Image Segmentation Evaluation Based on Image Gray-Level Distribution
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
09-03
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
Unsupervised segmentation evaluation: an edge-based method
02-22
Unsupervised segmentation evaluation method quantifies the quality of segmentation without the reference segmentation or user assistance. Although some methods have been proposed to statistically ...
Unsupervised_Anomaly_Detection_Brain_MRI:自动编码器用于脑MR图像中的无监督异常分割
05-23
如果您使用我们的任何代码，请引用： @article{Baur2020, title = {Autoencoders for Unsupervised Anomaly Segmentation in Brain MR Images: A Comparative Study}, author = {Baur, Christoph and Denner, ...
PaDiM-Anomaly-Detection-Localization-master:这是“ PaDiM”论文的非官方实现
05-08
PaDiM异常检测本地化大师 这是。 此代码是从SPADE-pytorch（ ）和MahalanobisAD-pytorch（ ）项目中大量借用的 要求 Python== 3.7 pytorch == 1.5 tqdm 斯克莱恩 matplotlib ...MVTec AD数据集：从下载 ...
Java基础:爬虫
weixin_65752158的博客
07-04 1046
Pattern:表示正则表达式Matcher:文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取。在大串中去找符合匹配规则的子串。通过Pattern p = Pattern.compile("正则表达式");获得 通过Matcher m = p.matcher(str);获得 (m要在str中找符合p规则的小串)其中, m为Matcher对象, p为正则表达式规则, str为要验证的字符串. boolean b = m.find(); 表示拿着文本匹配器从头开始读取，寻找是否有
pandas，dataframe使用笔记
分享计算机视觉，C++，嵌入式等知识。
07-05 486
dataframe属于pandas。
Python28-7.3 降维算法之多维缩放MDS
Argulo的博客
07-05 664
多维尺度分析（Multidimensional Scaling, MDS）是一种用于降维的统计技术，其目标是将高维数据嵌入到低维空间中，同时尽量保持原始数据中点与点之间的距离关系。MDS 的目标是将高维数据中的点嵌入到低维（通常是二维或三维）空间中，使得在低维空间中点之间的距离尽量接近原始高维空间中点之间的距离。这通过最小化一个损失函数（通常是应力函数）来实现，应力函数衡量的是原始距离和降维后距离之间的不一致性。：对原始数据中的距离或相似度进行非度量变换，以保留原始数据中的顺序信息，而不是精确的距离值。
已解决 javax.xml.transform.TransformerFactoryConfigurationError 异常的正确解决方法，亲测有效！！！
最新发布
小明的Java问道之路
07-08 1443
已解决 javax.xml.transform.TransformerFactoryConfigurationError 异常的正确解决方法，亲测有效！！！
MG-BERT: leveraging unsupervised atomic representation learning for molecular property prediction预训练策略
05-10
MG-BERT是一种用于分子属性预测的预训练模型，它是基于BERT的模型。它的预训练策略可以分为以下几步： 1. 原子嵌入：使用晶体学数据库（CSD）中的晶体结构数据，从中提取原子坐标并将其转换为原子嵌入表示。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值