Z 16 myszy algorytm buduje słownik kształtów fal EEG, który bez nadzoru rozróżnia genotypy - skutecznością dogania głębokie sieci. 🧠🩺
Bag-of-waves uczy się zestawu powtarzalnych wzorców (atomów) z sygnału EEG, wykorzystując shift-invariant k-means bez etykiet. Ciągły zapis zamienia na tokeny atomów, a ich zliczenia i przejścia (n-gramy) podaje do prostego klasyfikatora. Wersja wielokanałowa korzysta z atomów przestrzennych obejmujących kilka elektrod. Na klinicznym benchmarku TUEV (6 klas zdarzeń) metoda dorównuje modelom głębokim i foundation,
Bag-of-waves uczy się zestawu powtarzalnych wzorców (atomów) z sygnału EEG, wykorzystując shift-invariant k-means bez etykiet. Ciągły zapis zamienia na tokeny atomów, a ich zliczenia i przejścia (n-gramy) podaje do prostego klasyfikatora. Wersja wielokanałowa korzysta z atomów przestrzennych obejmujących kilka elektrod. Na klinicznym benchmarku TUEV (6 klas zdarzeń) metoda dorównuje modelom głębokim i foundation,


















W badaniu (preprint, oczekuje recenzji) uczestnik czytał słowa z ciągłego tekstu narracyjnego w szybkiej sekwencji wizualnej, a 19-kanałowy suchy EEG rejestrował aktywność mózgu. Typografia była losowana przy każdej próbie, by oddzielić tożsamość słowa od niskopoziomowego wyglądu liter. Kontrastowy model w stylu CLIP dopasowywał krótkie okna EEG do ukrytych wektorów prezentowanego słowa z dużego modelu językowego. Dekoder
źródło: card
Pobierz