arXiv:2404.04001v1 [cs.LG] 2024 年 4 月 5 日__

arXiv:2404.04001v1 [cs.LG] 2024 年 4 月 5 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2404.04001v1 [cs.LG] 2024 年 4 月 5 日

¥ 1.0

热度

摘要：在 BCI 领域，人们需要对脑信号进行自省和解释，以提供反馈或指导快速范式原型设计，但由于信号的高噪声水平和维数，自省和解释具有挑战性。深度神经网络通常通过使用投影算法（如均匀流形近似和投影 (UMAP) [1]）将其学习到的特征表示转换为二维或三维子空间可视化来进行自省。不幸的是，这些方法的计算成本很高，使实时数据流投影成为一项不简单的任务。在本研究中，我们介绍了一种新的 UMAP 变体，称为近似 UMAP (aUMAP)。它旨在为实时自省生成快速投影。为了研究其对实时投影的适用性，我们将这些方法与标准 UMAP 及其神经网络对应方参数 UMAP [2] 进行了基准测试。我们的结果表明，近似 UMAP 提供的投影可以复制标准 UMAP 的投影空间，同时将投影速度降低一个数量级并保持相同的训练时间。

添加pdf代下载 VIP点击下载文件