DARE-EEG: Un Modello Fondamentale per la Rappresentazione EEG Doppiamente Allineata

I ricercatori propongono DARE-EEG, un modello fondamentale auto-supervisionato che affronta la sfida dell'apprendimento di rappresentazioni invarianti alla maschera nei dati EEG. I modelli pre-addestrati esistenti non riescono a vincolare le rappresentazioni provenienti da diverse viste mascherate dello stesso segnale a un sottospazio latente coerente, degradando la trasferibilità. DARE-EEG impone l'invarianza alla maschera attraverso l'apprendimento di rappresentazioni doppiamente allineate, introducendo l'allineamento delle maschere tramite apprendimento contrastivo e l'allineamento di ancoraggio per allineare le rappresentazioni mascherate a un momento. Il modello mira a migliorare le rappresentazioni neurali generalizzabili nelle applicazioni di interfaccia cervello-computer.