面向 XAI 方法在基于 EEG 的系统中的应用
机器学习
2024-05-21 v4 人工智能
信号处理
摘要
众所周知的数据集偏移问题的一个有趣案例是脑机接口(BCI)背景下的脑电图(EEG)信号分类。EEG 信号的非平稳性会导致用于不同会话(即使是同一受试者)的 BCI 分类系统泛化性能不佳。在本文中,我们始于如下假设:数据集偏移问题可通过利用合适的可解释人工智能(XAI)方法来定位并转换输入中用于分类目标的相关特征而得以缓解。特别地,我们聚焦于对若干 XAI 方法在一个针对情绪识别的典型 EEG 数据集上训练的 ML 系统所产生的解释进行实验分析。结果表明,XAI 方法发现的许多相关成分在会话间共享,可用于构建泛化能力更好的系统。然而,输入信号的相关成分也显现出对输入本身的高度依赖。
引用
@article{arxiv.2210.06554,
title = {Toward the application of XAI methods in EEG-based systems},
author = {Andrea Apicella and Francesco Isgrò and Andrea Pollastro and Roberto Prevete},
journal= {arXiv preprint arXiv:2210.06554},
year = {2024}
}
备注
Accepted at XAI.it 2022 - Italian Workshop on Explainable Artificial Intelligence (https://ceur-ws.org/Vol-3277/paper1.pdf)