Correlation-based Neural Gas for Visualizing Correlations between EEG Features
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00194840" target="_blank" >RIV/68407700:21230/13:00194840 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.springerlink.com/content/qjh381l0x0455j75/" target="_blank" >http://www.springerlink.com/content/qjh381l0x0455j75/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-33018-6_45" target="_blank" >10.1007/978-3-642-33018-6_45</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Correlation-based Neural Gas for Visualizing Correlations between EEG Features
Popis výsledku v původním jazyce
Feature selection is an important issue in an automated data analysis. Unfortunately the majority of feature selection methods does not consider inner relationships between features. Furthermore existing methods are based on a prior knowledge of a data classification. Among many methods for displaying data structure there is an interest in self organizing maps and its modifications. Neural gas network has shown surprisingly good results when capturing the inner structure of data. Therefore we propose its modification (correlation - based neural gas) and we use this network to visualize correlations between features. We discuss the posibility to use this additional information for fully automated unsupervised feature selection where no classification isavailable. The algorithm is tested on the EEG data acquired during the mental rotation task.
Název v anglickém jazyce
Correlation-based Neural Gas for Visualizing Correlations between EEG Features
Popis výsledku anglicky
Feature selection is an important issue in an automated data analysis. Unfortunately the majority of feature selection methods does not consider inner relationships between features. Furthermore existing methods are based on a prior knowledge of a data classification. Among many methods for displaying data structure there is an interest in self organizing maps and its modifications. Neural gas network has shown surprisingly good results when capturing the inner structure of data. Therefore we propose its modification (correlation - based neural gas) and we use this network to visualize correlations between features. We discuss the posibility to use this additional information for fully automated unsupervised feature selection where no classification isavailable. The algorithm is tested on the EEG data acquired during the mental rotation task.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Intelligent Systems and Computing
ISBN
978-3-642-33017-9
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
8
Strana od-do
439-446
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Ostrava
Datum konání akce
5. 9. 2012
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
000312969500045