机构名称：
¥ 1.0
摘要 — 随着柯尔莫哥洛夫-阿诺德网络 (KAN) 的出现，人工智能 (AI) 研究领域正在经历一场变革性的转变，它提出了一种新颖的架构范式，旨在重新定义基于多层感知器 (MLP) 的 AI 模型的结构基础。通过严格的实验和细致的评估，我们推出了 KAN-EEG 模型，这是一种专为有效癫痫发作检测而设计的模型。我们提出的网络经过测试并成功推广到三个不同的数据集，一个来自美国，一个来自欧洲，一个来自大洋洲，使用不同的前端硬件记录。所有数据集都是成人头皮脑电图 (EEG)，来自患有癫痫的患者。我们的实证结果表明，虽然两种架构在癫痫发作检测方面都表现出了出色的表现，但 KAN 模型在来自不同地理区域的数据集中表现出高水平的样本外泛化能力，凸显了其在骨干层面的固有适应性和有效性。此外，我们展示了 KAN 架构对模型尺寸缩减和浅层网络配置的适应性，通过防止样本数据集过度拟合，突出了其多功能性和效率。这项研究加深了我们对创新神经网络架构的理解，并凸显了 KAN 在医疗诊断等关键领域的开拓潜力。
脑电图
主要关键词
相关文件推荐
