EGNN-C+: Interpretable Evolving Granular Neural Network and Application in Classification of Weakly-Supervised EEG Data Streams

We introduce a modified incremental learning algorithm for evolving Granular Neural Network Classifiers (eGNN-C+). We use double-boundary hyper-boxes to represent granules, and customize the adaptation procedures to enhance the robustness of outer boxes for data coverage and noise suppression, while...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE Conference on Evolving and Adaptive Intelligent Systems (Online) s. 1 - 10
Hlavní autoři:	Leite, Daniel, Silva, Alisson, Casalino, Gabriella, Sharma, Arnab, Fortunato, Danielle, Ngomo, Axel-Cyrille
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 23.05.2024
Témata:	Accuracy Adaptation models Classification algorithms Cognitive science Data models Decision making Electroencephalography Emotion recognition Facial features Feature extraction Fourier transforms Games Granular computing Learning systems Machine learning Neural networks Pattern recognition Physiology Spatiotemporal phenomena Time-frequency analysis
ISSN:	2473-4691
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!