멀티스케일 1차원 컨볼루션-트랜스포머 모델 기반 발화심상 디코딩
구두
연구 내용
EEG를 32, 64, 128, 256 Hz로 재표본화하고 각 시간척도에서 1D CNN 특징을 추출했다. 특징을 결합한 뒤 Transformer로 단어를 상상할 때의 EEG를 분류했다.
원본 그림 확대
결과
BCI Competition 2020 Track 3의 15명, 5개 단어에 대한 피험자 의존 평가. 합성곱 2층 구성의 정확도 73.34 ± 3.26%, Transformer 단독 58.89 ± 7.40%.
| 모델 | 정확도 |
|---|---|
| Transformer | 58.89 ± 7.40 |
| 1D CNN 1층 + Transformer | 66.00 ± 6.35 |
| 1D CNN 2층 + Transformer | 73.34 ± 3.26 |
| 1D CNN 3층 + Transformer | 71.11 ± 4.29 |