כתבה
arXiv cs.LG ·
DenoFlow: תאימות זרם להסרת רעשים ב-SSVEP תחת ארטיפקטים פיזיולוגיים אמיתיים
DenoFlow: Flow Matching for SSVEP Denoising under Real Physiological Artifacts
DenoFlow הוא שיטה חדשה להסרת רעשים במערכות SSVEP, שמשתמשת בתאימות זרם כדי לשפר את דיוק הפילטר. השיטה נבחנה במחקר חדש שפורסם ב-arXiv.
תקציר מקורי באנגליתarXiv:2610.08817v1 Announce Type: new Abstract: Electroencephalography (EEG)-based brain-computer interfaces (BCIs), particularly steady-state visual evoked potential (SSVEP) systems, are highly vulnerable to noise and artifacts, which severely degrade decoding accuracy. Although recent denoising approaches have shown promise, they are fitted without paired ground truth, can settle on reproducing their input, and are optimized on waveform distance alone, which says nothing about whether the output stays decodable. To address these issues, we propose DenoFlow, which casts SSVEP denoising as transport: instead of learning a direct map from a contaminated trial to a clean one, a field network regresses the velocity of the straight path between them, following the rectified-flow formulation, a
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית