MI-BCIデータ拡張のためのリーマン幾何学を保持する変分オートエンコーダ
arXiv cs.LG / 2026/3/12
📰 ニュースSignals & Early TrendsModels & Research
要点
- 本論文は、リーマン幾何学を保持する変分オートエンコーダ（RGP-VAE）を提案し、運動想像（MI）-BCIアプリケーション向けに SPD構造を保ったまま合成EEG共分散行列を生成します。
- 幾何学を意識した学習と多様なサンプルを強制するため、リーマン距離、接空間再構成の精度、および生成的多様性を組み合わせた複合損失を導入します。
- 本モデルは有効で代表的な共分散行列を生成し、被験者に依存しない潜在空間を学習できることを示し、合成データはMI-BCIの性能に対して分類器とペアリングに応じて有用となることが示されました。
- EEGベースのMI-BCIにおける信号プライバシー、スケーラビリティ、およびデータ拡張の潜在的な利点を強調し、神経信号における幾何学を保持する生成モデルの道を示しています。
要旨: 本論文は、運動想像（MI）-BCIアプリケーション向けの合成EEG共分散行列を生成するという課題に取り組みます。目的: 高忠実度の合成共分散行列を生成しつつ、その対称正定値性を保つ生成モデルを開発することを目指します。手法: 幾何写像を組み込み、リーマン距離、接空間再構成の精度、および生成多様性を組み合わせた複合損失を用いるリーマン幾何学を保持する変分オートエンコーダ（RGP-VAE）を提案します。結果: 本モデルは有効で代表的なEEG共分散行列を生成し、被験者に依存しない潜在空間を学習します。合成データはMI-BCIに実用的な有用性を示し、その影響はペアリングされた分類器に依存します。貢献: 本研究はEEG共分散行列の幾何学を保持する生成モデルとしてRGP-VAEを導入・検証し、その信号プライバシー、スケーラビリティおよびデータ拡張の可能性を強調します。
