用于SPD矩阵序列的结构保持Transformer
机器学习
2024-05-29 v7 信号处理
摘要
近年来，基于Transformer的自注意力机制已成功应用于多种依赖上下文的数据类型的分析，从文本到图像及其他，包括来自非欧几里得几何的数据。在本文中，我们提出这样一种机制，旨在对对称正定（SPD）矩阵序列进行分类，同时在分析过程中保持其黎曼几何结构。我们将我们的方法应用于标准数据集上由EEG导出的协方差矩阵时间序列的自动睡眠分期，获得了高水平的分期性能。
引用
@article{arxiv.2309.07579,
title = {Structure-Preserving Transformers for Sequences of SPD Matrices},
author = {Mathieu Seraphim and Alexis Lechervy and Florian Yger and Luc Brun and Olivier Etard},
journal= {arXiv preprint arXiv:2309.07579},
year = {2024}
}
备注
New year, new version! (updated template, minimal additions - including two new references)