EEG-GPT: 大型语言模型在脑电波分类与解读中的能力探索

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

神经-GPT是一个用于脑机接口任务的基础模型,包括EEG编码器和GPT模型。该模型通过自监督任务的预训练和微调,能够处理数据稀缺和异质性。实验证明,该模型能够显著提高分类性能,并具备先进泛化能力和应对数据稀缺性和异质性挑战的能力。

🎯

关键要点

  • 神经-GPT是一个用于脑机接口任务的基础模型,包括EEG编码器和GPT模型。

  • 该模型通过自监督任务的预训练和微调,能够处理数据稀缺和异质性。

  • 在大规模公共EEG数据集上进行自监督任务的预训练,学习重构EEG中的掩码块。

  • 在仅有9个受试者的运动意象分类任务上对基础模型进行微调。

  • 实验证明,应用基础模型显著提高分类性能,具备先进泛化能力。

  • 基础模型能够应对数据稀缺性和异质性挑战。

🏷️

标签

➡️

继续阅读