MTEEG: Analisi EEG Multi-Task con Adattamento a Basso Rango
Un nuovo framework chiamato MTEEG consente l'adattamento simultaneo di un modello EEG pre-addestrato a più compiti utilizzando moduli di adattamento a basso rango (LoRA) specifici per ogni compito. Questo affronta la sfida dell'eterogeneità dei segnali EEG tra soggetti, dispositivi e configurazioni sperimentali, che causa conflitti durante l'ottimizzazione congiunta. Separando lo spazio dei parametri, MTEEG riduce i costi computazionali e spaziali rispetto al mantenimento di modelli separati per ogni compito. L'approccio si basa su recenti metodi di pre-addestramento auto-supervisionato per EEG, che in precedenza richiedevano un fine-tuning completo per ogni compito. Lo studio è pubblicato su arXiv con ID 2604.25131.
Fatti principali
- MTEEG è un framework di analisi EEG multi-task.
- Utilizza moduli di adattamento a basso rango (LoRA) specifici per ogni compito.
- I moduli LoRA separano lo spazio dei parametri per alleviare i conflitti tra i compiti.
- I segnali EEG presentano eterogeneità a causa di diversi soggetti, dispositivi e configurazioni.
- I precedenti modelli EEG pre-addestrati richiedevano un fine-tuning completo per ogni compito.
- MTEEG riduce i costi computazionali e spaziali.
- Lo studio è disponibile su arXiv:2604.25131.
- Il tipo di articolo è cross (cross-dominio).
Entità
Istituzioni
- arXiv