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.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Ziyang Zhang... lúc arxiv.org 10-01-2024
https://arxiv.org/pdf/2409.19884.pdfYêu cầu sâu hơn