PulseAugur
中
实时 02:50:02
English(EN) CodeBrain: Bridging Decoupled Tokenizer and Multi-Scale Architecture for EEG Foundation Model

CodeBrain基础模型通过新颖的分词器和架构增强脑电图分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CodeBrain，一种用于分析脑电图（EEG）数据的 novel 两阶段基础模型。该模型利用 TFDual-Tokenizer 来离散化异构脑电图信号，增强了表示能力和可解释性。其多尺度 EEGSSM 架构能够有效地捕捉长程和局部脑活动依赖关系。CodeBrain 在多个下游任务和数据集上表现出强大的泛化能力，即使在分布发生变化的情况下也是如此。 AI

影响 为脑电图分析引入了一种新的基础模型架构，有望改善诊断能力和神经科学研究。

排序理由 这是一篇详细介绍新模型架构及其在特定数据集上性能的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

CodeBrain基础模型通过新颖的分词器和架构增强脑电图分析

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jingying Ma, Feng Wu, Qika Lin, Yucheng Xing, Chenyu Liu, Ziyu Jia, Mengling Feng ·

    CodeBrain: Bridging Decoupled Tokenizer and Multi-Scale Architecture for EEG Foundation Model

    arXiv:2506.09110v3 Announce Type: replace Abstract: Electroencephalography (EEG) provides real-time insights into brain activity and supports diverse applications in neuroscience. While EEG foundation models (EFMs) have emerged to address the scalability issues of task-specific m…

相关实体

相关话题