eeg data | BriefGPT - AI 论文速递

关键词eeg data

搜索结果 - 23

使用 EEG 和语言模型探索语言处理的时间尺度
本研究探讨了语言处理的时间动态，通过研究预训练基于变压器的语言模型和脑电数据之间的单词表示的对准。使用时间响应函数 (TRF) 模型，我们调查了神经活动如何对应于不同层的模型表示，揭示了人工语言模型和大脑在语言理解过程中的相互作用的见解。我
PDF6 days ago
FCNCP: 基于联合学习的耦合非负 CANDECOMP/PARAFAC 分解
基於聯邦學習的高效非負耦合張量分解算法框架 FCNCP 被提出，用於在不同服務器上安排的腦電圖數據上，實現科學協作而無需數據共享，實驗結果表明此方法能有效處理高階腦電圖數據並保留關鍵隱藏信息。
PDF3 months ago
通过生成桥接领域来减轻跨受试者运动想象分类中电极间的时间差异
提出了一种基于跨主体运动想象的时间 - 电极数据分布问题的桥接域适应网络 (BDAN)，通过特殊设计的空间特征提取器提取所有脑电图数据的深层特征，建立起桥接领域，最小化跨会话和电极的差异，并自动传递已知知识，通过对公共脑电图数据集进行比较实
PDF3 months ago
基于图像的时间序列数据表示：脑电图伪迹检测的比较分析
提出了利用 EEG 数据作为时序数据的基于图像的数据表示方法的测试平台，并对六种常用的表示方法进行了十一种流行的深度学习架构的评估。发现在表示方法的选择中，存在着偏差与方差之间的权衡，然而某些表示方法在突出增加数据的信噪比方面更加有效。通过
PDF6 months ago
理解通过脑电数据学习：基于隐马尔可夫模型和混合模型的机器学习与特征工程结合
通过使用隐马尔可夫模型和线性混合效应模型从 EEG 数据中提取特征，本研究分析了使用六种机器学习方法对学习者和非学习者进行分类的性能，并比较了不同标准化方法对分类性能的贡献。结果显示，只有使用 theta EEG 数据和深度神经网络时，才能
PDF8 months ago
CSLP-AE：一种用于零样本脑电信号转换的对比分割潜变自编码器框架
通过使用对比学习指导的对比分裂隐变量自编码器（CSLP-AE）框架，本研究提出了一种能够直接优化脑电转换的方法，并能够提取 EEG 数据的内容和样式的潜在表示。通过与传统的监督、非监督和自监督训练方法进行比较，研究结果表明该方法可以有效地处
PDF8 months ago
通过司机认知的定量评估提升对驾驶特征的理解
通过分析脑电图数据，识别驾驶员认知和驾驶状态的非线性动力学特征，以优化驾驶表现并促进认知学习、提高生产力和准确性。
PDF8 months ago
揭示睡眠棒层的频率和时间聚焦
利用 ConceFT 工具创建一个可解释的自动算法用于睡眠棒及时频分析，通过与其他算法比较，发现 ConceFT 算法在检测睡眠棒方面具有很高的准确性和可解释性，并能够量化睡眠棒的瞬时频率。
PDF8 months ago
应用深度学习于具有不同电极布局的脑电图数据的空间注意力
通过对脑电数据进行空间注意力调控和信道协调，探讨了在不同电极脑电数据下使用深度学习模型的性别分类任务，并以实验证明使用不同电极脑电数据进行训练的深度学习模型在性别分类中显著优于使用固定 23 通道和 128 通道数据的模型。
PDF9 months ago
利用发散估计稳定 EEG 分类中的主体转移
我们提出了一种使用正则化技术来减少分类模型在未见过测试主题上性能下降的方法，并利用图形模型和神经网络模型来描述脑电图分类任务，并在大型基准脑电图数据集上进行了广泛的计算实验，发现我们的方法显著提高了测试主题的平衡准确性，并降低了过拟合。
PDF9 months ago
应用脑电图数据进行心脏停跳后昏迷患者的神经系统预后评估：一种具备竞争风险的动态生存分析框架
本论文介绍了一种动态框架，用于利用脑电图数据对心脏骤停后昏迷患者的神经预后进行预测，并通过比较三种现有的支持竞争风险的动态生存分析模型在实际数据集上的性能，展示了该框架的实验结果。
PDFa year ago
癫痫发作预测的比较分析：探索多样的预处理技术和机器学习模型
应用机器学习模型对脑电图数据进行比较分析，发现 Extra Trees 模型表现最佳，在癫痫发作预测方面具有更准确和稳健的性能。
PDFa year ago
神经记忆解码：基于 EEG 数据和表示学习
使用神经解码的方法从 EEG 数据中提取记忆，通过深度表征学习和监督对比损失将脑电图映射到低维空间，可在训练数据集中没有出现的概念中识别，可应用于信息检索问题。
PDFa year ago
从 EEG 中揭示情绪：一个基于 GRU 的方法
通过使用 Gated Recurrent Unit (GRU) 算法，该研究检测了使用 EEG 信号来预测情绪状态的能力，结果表明该模型在验证集上达到了 100% 准确率，并且与其他机器学习技术相比，GRU 模型的极限梯度提升分类器具有最高
PDFa year ago
使用改进特征选择方法从静息状态原始脑电图信号中检测慢性疼痛
本研究提出了一种自动化方法，对静息状态的原始脑电图数据进行慢性疼痛检测，提出了改进的特征选择算法 mSFFS，并通过 Bhattacharyya 距离度量和更好的可视化结果证明了其比其他基准方法更具紧凑性和更好的类分离度，将测试准确率提高到
PDFa year ago
基于集成课程学习和协同训练的运动想象解码
本研究提出了一种用于电极脑电图（EEG）数据的跨受试研究的两阶段模型合奏架构，该架构由多个特征提取器（第一阶段）和共享分类器（第二阶段）构建，并在两个损失项中端到端训练，证明了我们的方法实现了目标并在两个大型 MI 数据集中优于所有方法，同
PDF2 years ago
仅需深度学习：使用可解释的深度学习来解开 EEG-fMRI 之间的关系
本研究提出了一种基于 EEG 数据的可移动脑机接口技术，使用深度学习技术构建领域受限体系结构，恢复多个亚皮层区域活动并自动发现知识，为可穿戴的亚皮层活动扫描仪铺平了道路。
PDF2 years ago
采用脑电图和深度学习将认知负荷建模为自监督的脑波率
本研究提出了一种新的自我监督的深度学习方法，通过使用连续脑率指数和空间谱拓扑头图从 EEG 数据中进行神经负荷建模，该方法表现出在通常适用性方面的能力，这证明了卷积层学习有意义的高级表示的能力。
PDF2 years ago
基于 EEG 的情绪识别的双阶段高效三维 CNN 框架
该文章提出了一种基于 EEG 数据的、有效的情绪识别方法，使用了两阶段的框架，并通过引入二元神经网络的方法对模型进行优化，实现了在边缘设备上实时准确地识别人类情绪。
PDF2 years ago
提高用于短且嘈杂时间序列的 NNetEn 熵计算的新技术
本文提出了一种新的熵度量学方法 —— 神经网络熵（NNetEn），它能够有效应用于实际环境下带有噪音信号的测量，本文的研究主要围绕着 NNetEn 的计算方法及其在时间序列、噪声和常数偏差方面的表现进行了分析。
PDF2 years ago