Isuru Nanayakkara

基于脑电图的熟悉度预测模型需要严格验证

研究人员开发了一种方法，用于使用脑电图（EEG）数据对预测认知熟悉度的机器学习和深度学习模型进行基准测试。该研究强调了进行独立于试验的验证以避免高估模型性能的关键需求，因为标准的交叉验证可能由于时间泄露导致分数虚高。使用严格的组K折交叉验证，CNN模型的峰值性能显著下降，但仍统计学上显著高于随机水平。分析还确定了颞叶和额叶的Gamma和Beta节律是熟悉度的关键生物标志物。