arXiv:2404.06966v1 [cs.LG] 2024 年 4 月 10 日__

arXiv:2404.06966v1 [cs.LG] 2024 年 4 月 10 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:2404.06966v1 [cs.LG] 2024 年 4 月 10 日

¥ 1.0

热度

摘要。与大多数其他数据领域一样，EEG 数据分析依赖于丰富的领域特定预处理。除了这种预处理之外，机器学习者还希望像处理任何其他时间序列数据一样处理此类数据。对于 EEG 分类，已经开发了许多模型，这些模型的层类型和架构在时间序列分类中通常看不到。此外，通常会为每个单独的受试者学习单独的模型，而不是为所有受试者学习一个模型。在本文中，我们系统地研究了 EEG 分类模型和通用时间序列分类模型之间的差异。我们描述了三种不同的模型设置来处理来自不同受试者的 EEG 数据，即特定于受试者的模型（大多数 EEG 文献）、与受试者无关的模型和受试者条件模型。在对三个数据集的实验中，我们证明按受试者训练的现成时间序列分类模型的表现接近 EEG 分类模型，但并没有达到领域特定建模的性能。此外，我们将时间序列模型与主题嵌入相结合，以在所有受试者上训练一个联合主题条件分类器。所得到的模型在 3 个数据集中的 2 个中与专用 EEG 模型具有竞争力，甚至在其中一个数据集上胜过所有 EEG 方法。

添加pdf代下载 VIP点击下载文件