arXiv · cs.AI · Jun-Yu Pan, Ruicheng Yin, Bao-Liang Lu, Dongsheng Li, Wei-Long Zheng, Yansen Wang · 10 小时前模型评分41
LaBraM 规模化研究：扩大 EEG 预训练数据与模型规模
LaBraM at Scale: Scaling Data and Models for EEG Pretraining
导读
研究团队在保留 LaBraM 核心编码器与训练目标的前提下扩大 EEG 预训练数据与模型容量，训练了 5.8 百万至 19.7 亿参数的十个编码器，数据覆盖 25,067 至 79,910 小时。
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
- “Building on this foundation, we expand pretraining data and model capacity while retaining its core encoder and objective.”
来源：arXiv · cs.AI · arxiv.org