Zobrazeno 1 - 10
of 152
pro vyhledávání: '"Millán, Jose del R."'
Publikováno v:
In Device 21 June 2024 2(6)
Autor:
Krishna, Gautam, Carnahan, Mason, Shamapant, Shilpa, Surendranath, Yashitha, Jain, Saumya, Ghosh, Arundhati, Tran, Co, Millan, Jose del R, Tewfik, Ahmed H
In this paper, we propose a deep learning-based algorithm to improve the performance of automatic speech recognition (ASR) systems for aphasia, apraxia, and dysarthria speech by utilizing electroencephalography (EEG) features recorded synchronously w
Externí odkaz:
http://arxiv.org/abs/2103.00383
Publikováno v:
In iScience 15 September 2023 26(9)
Autor:
Uran, Axel, van Gemeren, Coert, van Diepen, Rosanne, Chavarriaga, Ricardo, Millán, José del R.
The introduction of deep learning and transfer learning techniques in fields such as computer vision allowed a leap forward in the accuracy of image classification tasks. Currently there is only limited use of such techniques in neuroscience. The cha
Externí odkaz:
http://arxiv.org/abs/1907.01332
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Key properties of brain-inspired hyperdimensional (HD) computing make it a prime candidate for energy-efficient and fast learning in biosignal processing. The main challenge is however to formulate embedding methods that map biosignal measures to a b
Externí odkaz:
http://arxiv.org/abs/1812.05705
Autor:
Tonin, Luca, Perdikis, Serafeim, Kuzu, Taylan Deniz, Pardo, Jorge, Orset, Bastien, Lee, Kyuhwa, Aach, Mirko, Schildhauer, Thomas Armin, Martínez-Olivera, Ramón, Millán, José del R.
Publikováno v:
In iScience 22 December 2022 25(12)
Autor:
Hsieh, Ju-Chun, Alawieh, Hussein, Li, Yang, Iwane, Fumiaki, Zhao, Linran, Anderson, Richard, Abdullah, Syed Ibtisam, Kevin Tang, Kai Wing, Wang, Wenliang, Pyatnitskiy, Ilya, Jia, Yaoyao, Millán, José del R., Wang, Huiliang
Publikováno v:
In Biosensors and Bioelectronics 15 December 2022 218
This work studies the class of algorithms for learning with side-information that emerge by extending generative models with embedded context-related variables. Using finite mixture models (FMM) as the prototypical Bayesian network, we show that maxi
Externí odkaz:
http://arxiv.org/abs/1507.08272