Dibakar Sigdel
PulseAugur coverage of Dibakar Sigdel — every cluster mentioning Dibakar Sigdel across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型变分相量电路提升BCI分类准确性
研究人员推出了一种新型经典学习架构——变分相量电路（VPC），用于相位原生脑机接口（BCI）分类。受变分量子电路的启发，VPC利用可训练的相移和结构化干涉代替密集权重矩阵，能够高效地对空间分布的信号进行二分类和多分类。在使用脑电图（EEG）数据进行的评估中，VPC实现了0.60的平均解码准确率，优于多个标准的BCI基线，同时使用的参数显著减少，并且跨主体方差较低。
-
Phasor Transformer 为时间序列建模提供高效的注意力替代方案
研究人员推出了一种新颖的 Phasor Transformer 模块，旨在解决时间序列数据注意力机制中的二次瓶颈问题。这种新方法在单位圆流形上表示序列状态，并结合了可训练的相位偏移和无参数的离散傅里叶变换来实现全局 token 耦合。由此产生的 Large Phasor Model (LPM) 在参数数量仅为自注意力模型一小部分的情况下，展现出与之相当的性能，为振荡域中的时间建模树立了新的效率-准确性前沿。
-
PhasorFlow库支持单位圆计算以用于AI任务
研究人员推出PhasorFlow，一个开源Python库，专为单位圆上的计算而设计。该库正式化了相量电路模型，该模型使用酉波干涉门来保持全局范数，同时允许分量漂移。PhasorFlow还包括用于优化连续相位参数的变分相量电路，以及用无参数DFT令牌混合层替换传统注意力机制的相量Transformer。该库已在时间序列预测和金融波动等各种任务上得到验证，并在真实EEG数据上展示了具有比标准基线更少参数的竞争性能。