כתבה
arXiv cs.AI ·
ProCA: הסתגלות קונטרסטיבית מתקדמת
ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding
ProCA היא שיטה חדשה לפיענוח ויזואלי של אותות EEG. היא משתמשת בלמידה קונטרסטיבית מתקדמת כדי לשפר את היציבות והדיוק של הפיענוח. ProCA מוכיחה עליונות על שיטות קיימות במגוון תרחישים, כולל העברה ב间-נושאים והסתגלות אישית.
תקציר מקורי באנגליתarXiv:2609.05094v1 Announce Type: new Abstract: Electroencephalogram (EEG) visual decoding aims to recover visual semantics from non-invasive neural time-series signals, for which robust alignment between noisy neural responses and stable semantic representations is key to achieving high-performance decoding. Despite recent advances in contrastive learning, robust EEG decoding remains challenging because existing methods rely on fixed visual or textual anchors whose semantic relations may become misaligned with EEG representations that vary across trials, subjects, and learning stages. Our empirical evidence shows that this instability appears across both standard EEG decoding protocols and more challenging robustness settings, including strict cross-subject transfer and realistic personal
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית