基于事件相关电位检测的脑机接口后训练量化
人机交互
2024-10-11 v1 新兴技术
摘要
后训练量化（PTQ）是一种用于优化和减少机器学习 模型内存占用和计算需求的技术。它主要用于神经网络。对于完全便携且可在各种情况下使用的脑机接口（BCI），有必要提供一种轻量级的存储和计算方法。本文提出评估基于事件相关电位检测的脑机接口方法的后训练量化, 并评估其对准确性的影响。我们评估了单次试验检测代表一个主要 BCI 范式的事件相关电位的性能。随着 PTQ 被应用于空间滤波器和分类器后, 受试者工作特征曲线下面积从 0.861 下降到 0.825, 同时模型大小约减小 15。结果支持后训练量化能够显著减少模型的内存占用, 而保持大致相同的准确水平这一结论。
引用
@article{arxiv.2410.07920,
title = {Post-Training Quantization in Brain-Computer Interfaces based on Event-Related Potential Detection},
author = {Hubert Cecotti and Dalvir Dhaliwal and Hardip Singh and Yogesh Kumar Meena},
journal= {arXiv preprint arXiv:2410.07920},
year = {2024}
}