이 연구에서는 SWIM이라는 새로운 모델을 제안했다. SWIM은 단기 창 CNN (SWCNN)과 맘바 순차 모델을 결합한 구조이다. SWCNN은 EEG 신호에서 단기 특징을 추출하여 청각 주의 방향을 빠르게 판별할 수 있다. 맘바는 이전 시간 단계의 정보를 활용하여 현재 시간 단계의 판단 정확도를 높인다.
데이터 증강 기법과 다태스크 학습을 SWCNN에 적용하여 기존 최고 성능 대비 4.9% 향상된 84.9%의 정확도를 달성했다. SWIM은 SWCNN과 맘바를 결합하여 86.2%의 정확도를 달성하여 이전 최고 성능 대비 31.0% 오류율을 감소시켰다.
채널 중요도 분석 결과, 눈 주변 채널이 가장 중요한 것으로 나타났다. 이는 시선 편향 때문일 수 있지만, 단순히 이 채널들이 가장 정보적일 수도 있다. 또한 Every-trial 실험 설정에서 모델이 시간적 특징을 학습하여 높은 성능을 보이는 것을 확인했다.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Ziyang Zhang... klo arxiv.org 10-01-2024
https://arxiv.org/pdf/2409.19884.pdfSyvällisempiä Kysymyksiä