基于深度可分离卷积和增强预处理的 EEG 基于眼动预测技术进步
机器学习
2024-08-08 v1
摘要
在 EEG 基于眼动预测领域，将深度学习应用于解释复杂神经数据面临着显著挑战。本研究评估了预处理技术以及额外深度可分离卷积对预训练模型架构中 EEG 视觉转换器（ViT）的效果。我们引入一种新方法，即 EEG Deeper Clustered Vision Transformer（EEG-DCViT），其将深度可分离卷积神经网络（CNN）与视觉转换器结合，并通过包含数据聚类的数据聚类预处理策略进行丰富化。该新方法表现优异，建立了新的基准，均方根误差（RMSE）为 51.6 mm。这一成就强调了预处理和模型精炼在提高 EEG 应用方面的影响。
关键词
引用
@article{arxiv.2408.03480,
title = {Advancing EEG-Based Gaze Prediction Using Depthwise Separable Convolution and Enhanced Pre-Processing},
author = {Matthew L Key and Tural Mehtiyev and Xiaodong Qu},
journal= {arXiv preprint arXiv:2408.03480},
year = {2024}
}