Leave-One-Subject-Out
PulseAugur coverage of Leave-One-Subject-Out — every cluster mentioning Leave-One-Subject-Out across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ThinkNet框架增强了脑机接口的脑电图分类能力
研究人员开发了ThinkNet框架，旨在提高脑机接口运动想象脑电图（MI-EEG）分类的效率和泛化能力。该方法采用经过验证的控制方法，包括仅训练归一化和进化搜索，以识别在数据有限的新用户上表现良好的紧凑解码器和推理策略。ThinkNet旨在通过确保验证数据从不用于模型选择或训练来克服受试者独立解码器的局限性，从而更可靠地评估在未见过受试者上的性能。
-
新方法以更低的计算成本加速神经架构搜索 · 跟踪3个来源
研究人员开发了改进神经架构搜索（NAS）的新方法，该过程可能计算成本高昂。一种名为RiPPLE的方法使用来自一小组锚定架构的局部训练数据来预测许多其他架构的性能，从而减少了完全训练的需要。另一种方法CoRA-NAS结合了架构的粗略排序和一个细化阶段，该阶段通过外推早期训练曲线来估计性能，成本大大降低。第三种技术通过提出一种无泄漏的、基于块的方法来解决NAS中Leave-One-Subject-Out（LOSO）评估的成本问题，该方法在…
-
新的脑机接口架构以90%的准确率克服校准瓶颈
研究人员开发了一种新颖的深度学习流程来解决脑机接口（BCI）中的校准瓶颈。该架构结合了每会话独立成分分析、黎曼欧氏对齐和EEGNet，并通过随机权重平均进行稳定。在MOABB BNCI2014-001基准测试中，该系统在单个受试者中表现出临床稳健的90.97%准确率，并在9折留一受试者交叉验证中实现了74.31%的平均准确率，表明其在运动想象任务中具有硬件无关的零样本功效。