Shuailei Zhang

新的脑电图基础模型EEG-PRIME改进了跨数据集解码

研究人员开发了EEG-PRIME，这是一种新颖的两阶段基础模型，旨在改进不同数据集和受试者之间的脑电图（EEG）解码。该模型结合了掩码预训练和原型对齐指令调优，以实现更好的泛化能力，即使在零样本迁移场景下也是如此。在十六个多样化的EEG数据集上进行的实验表明，EEG-PRIME优于现有的最先进方法，在无需目标域优化的情况下，其性能与需要会话内校准的模型相当。