EEGBiFormer 实时分类 EEG 注意力状态
热点事件持续更新
EEGBiFormer 实时分类 EEG 注意力状态
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Isabella Guan 等发表 EEGBiFormer，一种混合 CNN-Transformer 模型，从 16 通道 EEG 信号实时二分类专注与非专注状态。论文报告窗口级验证准确率 91.3%、F1 94.5%，17 个独立会话的记录级准确率 88.2%，端到端延迟低于 100 ms。 研究还用 EEG 引导的听觉协议对模型进行验证。上述准确率与延迟均为论文报告的结果。
AI 根据报道生成 · 42 分钟前更新
最新进展10月27日 12:00
EEGBiFormer：混合 CNN-Transformer 实现实时 EEG 注意力分类，并用 EEG 引导的听觉协议验证报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIEEGBiFormer：混合 CNN-Transformer 实现实时 EEG 注意力分类，并用 EEG 引导的听觉协议验证
EEGBiFormer 通过混合 CNN-Transformer 从 16 通道 EEG 信号实时二分类专注与非专注状态，窗口级验证准确率 91.3%、F1 94.5%，17 个独立会话的记录级准确率 88.2%，端到端延迟低于 100 ms。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。