EEG-GAN：用于脑电（EEG）信号生成的生成对抗网络
信号处理
2018-06-07 v1 机器学习
神经元与认知
机器学习
摘要
生成对抗网络（GANs）近来在涉及图像的生成应用中极为成功，并开始被应用于时间序列数据。本文中，我们描述EEG-GAN作为一个生成脑电（EEG）信号的框架。我们引入了对Wasserstein GAN改进训练的一种修改以稳定训练，并研究了一系列对时间序列生成至关重要的架构选择（最显著的是上采样与下采样）。在评估方面，我们考虑并比较了诸如Inception分数、Frechet inception距离和切片Wasserstein距离等不同度量，共同表明我们的EEG-GAN框架生成了自然逼真的EEG样本。因此它开启了神经科学与神经病学背景下一系列新的生成应用场景，例如脑机接口任务中的数据增强、EEG超采样，或受损数据段的修复。生成具有特定类别和/或特定属性的信号的可能性也可能为研究脑信号底层结构开辟新途径。
引用
@article{arxiv.1806.01875,
title = {EEG-GAN: Generative adversarial networks for electroencephalograhic (EEG) brain signals},
author = {Kay Gregor Hartmann and Robin Tibor Schirrmeister and Tonio Ball},
journal= {arXiv preprint arXiv:1806.01875},
year = {2018}
}
备注
6 pages, 6 figures