arXiv · cs.AI · Md Wahiduzzaman Suva, Md Imtiaj Alam Sajin, Esm E Moula Chowdhury Abha, Susham Moula Choudhury Akash, Md Tauhidul Islam, Abhijit Bhowmik, Md Manirul Islam, Debajyoti Karmaker · 13 小时前模型评分36
研究用统一架构与协议跨三个数据集解码脑电中的内心言语
Inner-Speech Decoding from EEG Across Three Corpora Under a Fixed Architecture and Protocol
导读
一项受控跨数据集研究用同一预处理流程、同一被试内五折交叉验证协议和约 131,000 参数的紧凑双注意力 Transformer（VC-DATNet），在 Thinking Out Loud、BISpeech、SyncSpeech 三个公开脑电语料上解码内心言语，四分类任务准确率 39.48%，八词任务分别为 20.60% 和 25.53%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学、科学研究
事件类型：研究发布
证据摘录
- “We present a controlled cross-dataset study using one preprocessing pipeline, one within-subject five-fold cross-validation protocol, and a compact dual-attention Transformer (VC-DATNet; approximately 131,000 parameters) across three public corpora: Thinking Out Loud (10 participants), BISpeech (4), and SyncSpeech (3).”
- “The released pipeline provides a reproducible benchmark for future inner-speech decoding studies”
来源：arXiv · cs.AI · arxiv.org