View : 81 Download: 0

Multi-channel Fusion Convolutional Neural Network to Classify Syntactic Anomaly from Language-Related ERP Components

Title
Multi-channel Fusion Convolutional Neural Network to Classify Syntactic Anomaly from Language-Related ERP Components
Authors
KHAN, AISHA
Issue Date
2018
Department/Major
대학원 전자전기공학과
Publisher
이화여자대학교 대학원
Degree
Master
Advisors
강제원
Abstract
문장처리기술 연구에서는 사건관련전위(ERP) 분석을 통해 여러 언어와 관련된 구성 요소들을 발견해 왔다. 최근에는 연구자들이 언어 구조에 의존하는 ERP신호를 보다 안정적이고 효율적인 방법으로 분류하기 위해 기계학습 기술을 적용하려고 시도했다. 이 논문의 목적은 언어 관련 ERP 구성요소에서 구문 이상 현상를 탐지하고, 다른 패턴의 언어구조를 ERP 신호로부터 안정적으로 식별해낼 수 있는지를 조사하기 위한 데이터 학습 기반 접근법을 제안한다. 이 연구의 구체적인 목적은 두개의 CNN(Convolutional Neural Network)과 중간 퓨전 층으로 병합된 trunk를 포함한 다중 채널 융합 CNN(MCF-CNN)을 개발하여 초기 데이터로부터 언어 특징을 학습하고 언어를 분류해 내는 것이다. 우리는 구문 오류에서 다른 언어적 ERP 구성요소를 추출해내고 이들을 두개의 CNN에서 학습시킨다. 그 다음 제안된 신경 네트워크 구조의 융합 층에 있는 특징들을 합성한다. 실험결과 제안된 방법이 92% 이상의 분류 정확도를 낸다.;Event-Related Potential (ERP) analyses have revealed several language-related components in sentence processing literature. More recently, researchers attempted to apply machine-learning techniques to classify the language-structure dependent ERP signals in a more reliable and efficient way. The purposes of the current paper are to propose a classification technique based on data-driven approach to detect syntactic anomaly from language-related ERP components and to explore whether different patterns of linguistic structures can be reliably identified from ERP signals. The specific aim of the study is to develop a multi-channel fusion convolutional neural network (MCF-CNN) including two branches of CNNs and a trunk merged by an intermediate fusion layer to obtain trained linguistic features from the raw data and perform the classification. We extracted different linguistic ERP components from syntactic violations and put them in the fusion. As a next procedure we combine the features in the fusion layer of the proposed neural network architecture. Experimental results demonstrate that the proposed method provides more than 92% classification accuracies.
Fulltext
Show the fulltext
Appears in Collections:
일반대학원 > 전자전기공학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE