Wyszukiwarka
Abstrakt
Background. Predictive classification favours performance over semantics. In traditional predictive classification pipelines, feature engineering is often oblivious to the underlying phenomena. Hypothesis. In applied domains such as functional Near Infrared Spectroscopy (fNIRS), the exploitation of physical knowledge may improve the discriminative quality of our observation set. Aims. Give exemplary evidence that intervening the physical observation process can augment classification. Methods. We manipulate the observation process in four ways independently. First, sampling and quantization are designed to enhance class related contrast. Second, we show how selection of optical filters affects the cross-talk in turn affecting classification. Third, we regularize the inverse problem to maximize sensitivity to any gradient that would later support the classification. And fourth, we introduce a catalyst covariate during experiment design to exarcebate response differences. Results. For each of the proposed manipulations, we show that the performance of the classification exercise is altered in some way or another. Conclusions. Exploitation of physics knowledge even before acquisition can support classification alleviating otherwise blind feature engineering. This can also enhance interpretability of the classification model.
Cytowania
-
1
CrossRef
-
0
Web of Science
-
2
Scopus
Autorzy (6)
-
Felipe Orihuela-Espina
-
Michelle Rojas-Cisneros
-
Samuel A. Montero-Hernández
-
Bibiana Cuervo-Soto
-
Javier Herrera-Vega
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja monograficzna
- Typ:
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
- Tytuł wydania:
- Biosignal Processing and Classification Using Computational Learning and Intelligence strony 375 - 405
- Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Orihuela-Espina F., Rojas-Cisneros M., Montero-Hernández S. A., Garcia Salinas J., Cuervo-Soto B., Herrera-Vega J.: Physics augmented classification of fNIRS signals// Biosignal Processing and Classification Using Computational Learning and Intelligence/ : , 2022, s.375-405
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/b978-0-12-820125-1.00031-2
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 103 razy
Publikacje, które mogą cię zainteresować
Satellite Image Classification Using a Hierarchical Ensemble Learning and Correlation Coefficient-Based Gravitational Search Algorithm
- K. Thiagarajan,
- M. Manapakkam Anandan,
- A. Stateczny
- + 2 autorów