핵심 개념
生体信号の多様な情報を効果的に利用するために、周波数情報を活用したマスクオートエンコーダを提案する。
초록
本論文では、生体信号の多様な情報を効果的に活用するために、周波数情報に着目したマスクオートエンコーダ(bioFAME)を提案している。
まず、生体信号には学習データとテストデータの間で大きな分布のずれが存在するという課題がある。これは、モダリティ間や個人間、実験条件の違いなどが原因となる。そこで、周波数情報に着目することで、時間領域の変化に頑健な表現を学習できると考えた。
具体的には、固定サイズのフーリエベースの演算子を用いた周波数認識トランスフォーマーエンコーダを提案した。これにより、入力の長さや周波数成分の違いに柔軟に対応できる。さらに、潜在空間でのマスクオートエンコーディングを行うことで、周波数情報を維持しつつ、多様なモダリティの情報を効果的に組み合わせられるようにした。
提案手法の有効性を検証するため、様々な一対多転移学習タスクで評価を行った。その結果、従来手法と比べて平均5.5%の精度向上を達成した。また、モダリティの欠損や置換といった現実世界で起こりうる状況にも頑健であることを示した。
통계
生体信号の周波数成分は生理学的活動を特徴づける重要な情報である。
提案手法は、時間領域の変化に頑健な表現を学習できる。
인용구
生体信号には学習データとテストデータの間で大きな分布のずれが存在する。
周波数情報に着目することで、時間領域の変化に頑健な表現を学習できる。