Core Concepts
대규모 사전 학습된 트랜스포머 모델이 제한된 공개 뇌파 데이터에서도 우수한 성능을 보인다.
Abstract
이 논문은 사전 학습된 대규모 트랜스포머 모델을 뇌파 데이터 분석에 적용하는 방법을 제안한다. 뇌파 데이터는 텍스트, 오디오, 비디오 데이터에 비해 공개 데이터가 매우 제한적이라는 문제가 있다. 이로 인해 뇌파 데이터에 대한 대규모 트랜스포머 모델 학습이 어려운 상황이다.
이를 해결하기 위해 저자들은 AdaCT라는 플러그 앤 플레이 어댑터를 제안한다. AdaCT-I는 다채널 또는 긴 단일 채널 시계열 뇌파 데이터를 시공간 2D 의사 이미지로 변환하여 사전 학습된 비전 트랜스포머에 적용할 수 있게 한다. AdaCT-T는 단일 채널 짧은 뇌파 데이터를 텍스트 형식으로 변환하여 사전 학습된 언어 트랜스포머에 적용할 수 있게 한다.
실험 결과, AdaCT를 통해 사전 학습된 대규모 비전 및 언어 트랜스포머 모델을 뇌파 데이터 분석에 활용할 수 있음을 보여준다. 이를 통해 기존 방법들을 능가하거나 동등한 성능을 달성할 수 있었다. 또한 다른 다채널 인간 활동 기록 시계열 데이터셋에서도 우수한 성능을 보였다.
Stats
뇌파 데이터의 공개 데이터가 매우 제한적이다.
뇌파 데이터는 시간적 및 공간적 차원을 모두 이해해야 한다.
대부분의 뇌파 예측 또는 분류 작업에서는 긴 시계열 데이터에서 즉각적인 자극 또는 특징적인 전조 패턴을 포착하는 것이 목적이다.
Quotes
"사전 학습된 대규모 트랜스포머 모델이 제한된 공개 뇌파 데이터에서도 우수한 성능을 보인다."
"AdaCT는 사전 학습된 대규모 비전 및 언어 트랜스포머 모델을 뇌파 데이터 분석에 활용할 수 있게 한다."