본문 바로가기
반응형

BrainToSpeech8

[BCI/논문/리뷰/TNSRE] An Auxiliary Synthesis Framework for Enhancing EEG-Based Classification With Limited Data 2023, IEEE Transactions on Neural Systems and Rehabilitation Engineering https://ieeexplore.ieee.org/document/10106002 An Auxiliary Synthesis Framework for Enhancing EEG-Based Classification With Limited DataWhile deep learning algorithms significantly improves the decoding performance of brain-computer interface (BCI) based on electroencephalogram (EEG) signals, the performance relies on a larg.. 2024. 5. 16.
[BCI/논문/리뷰/] Mutual Information-Driven Subject-Invariant and Class-Relevant Deep Representation Learning in BCI 2023, IEEE Transactions on Neural Networks and Learning Systemshttps://ieeexplore.ieee.org/abstract/document/9508768Abstract적대적 학습을 사용하지 않고 정보 이론을 기반으로 피험자 불변 및 클래스 관련 특성을 학습하는 프레임워크 제안주요 구성 요소는 클래스 관련 및 불관련 특성을 분리하고 이들 사이의 상호 정보를 최대화하는 것GIST 및 KU 데이터셋에 대한 실험을 통해 제안된 모델은 뛰어난 일반화 성능을 보였음Goal피험자 불변 특징 표현을 학습해 피험자 전이 가능한 학습과 피험자 독립적인 프레임워크 제안Motivation기존 연구의 한계도메인 이동을 완화하기 위해 유도하는 적대적 학습은 도메인별 변이를 .. 2024. 4. 25.
[BCI/논문/리뷰/ICLR] BrainBERT: Self-supervised Representation Learning for Intracranial Recordings BrainBERT: Self-supervised Representation Learning for Intracranial Recordings 2023, 11th International Conference on Learning Representations https://arxiv.org/abs/2302.14367 Abstract BrainBERT는 인간의 두뇌 내 전위 기록으로부터 복잡한 개념을 효과적으로 해석할 수 있는 새로운 Transformer 기반 모델 새로운 피험자와 전극 위치에서도 일반화 능력을 보여주며, 기존의 선형 디코더보다 우수한 성능을 제공 Goal 뇌 신호에서 self-supervised learning을 이용해 일반화 및 성능 향상을 달성하는 것 Motivation 기존의 뇌 신호 .. 2024. 4. 19.
[BCI/논문/리뷰/TNSRE] Speech2EEG: Leveraging Pretrained Speech Model for EEG Signal Recognition Speech2EEG: Leveraging Pretrained Speech Model for EEG Signal Recognition 2023, IEEE Transactions on Neural Systems and Rehabilitation Engineering https://ieeexplore.ieee.org/abstract/document/10106018 Abstract 사전 훈련된 음성 모델을 활용하여 EEG 신호 인식의 정확도를 향상시키는 새로운 접근법을 제안 다중 채널 시간 임베딩을 추출하고 집계하여, 운동 상상 데이터셋에서 기존 방법을 능가하는 성능을 달성 Goal 대규모 음성 데이터 세트에 대해 사전 학습된 음성 처리 모델을 사용하여 잡음이 많은 EEG 신호에서 뇌 활동 식별 Motivati.. 2024. 4. 4.
[BCI/논문/리뷰/Nature Neuroscience] Shared computational principles for language processing in humans and deep language models Shared computational principles for language processing in humans and deep language models 2022, Nature Neuroscience https://www.nature.com/articles/s41593-022-01026-4 Abstract 기존의 언어 모델에서 벗어나 딥 러닝의 발전으로 새로운 유형의 예측(자동 회귀) 심층 언어 모델(DLM)이 나옴 인간의 뇌와 자동 회귀 DLM이 동일한 자연 내러티브를 처리할 때 세 가지 기본 계산 원리를 공유함 자동 회귀 DLM은 언어의 신경 기반을 연구하는 데 새롭고 생물학적으로 실현 가능한 계산 프레임워크를 제공 Goal 인간과 자동 회귀 딥 언어 모델(autoregressive deep.. 2024. 3. 13.
반응형