CAGCNet: aprendizaje de contraste generalizado para la identificación de personas basado en características de EEG...

Área de la Ciencia:

• Información biométrica
• La neurociencia
• Aprendizaje automático

Sus antecedentes:

• La identificación de personas mediante señales de electroencefalograma (EEG), o reconocimiento de huellas cerebrales, ofrece una alta seguridad.
• Los métodos existentes de reconocimiento de huellas cerebrales luchan con las diferencias de distribución entre los datos de entrenamiento y prueba, lo que lleva a una degradación del rendimiento en los datos de dominio no vistos.
• La gran distancia entre las características proyectadas en el espacio latente exacerba los problemas de rendimiento en entornos nuevos.

Objetivo del estudio:

• Proponer un nuevo marco de aprendizaje generalizado de contraste agregado por canal para una identificación de personas robusta basada en EEG.
• Para abordar el desafío de la degradación del rendimiento en dominios no vistos debido a los cambios en la distribución de datos.
• Para mejorar la capacidad de generalización de los modelos de reconocimiento de huellas cerebrales.

Principales métodos:

• Se propone un marco de aprendizaje generalizado por contraste agregado por canal.
• Se emplea la convolución a múltiples escalas con un bloque de atención de canal para capturar características en diferentes granularidades.
• El aprendizaje de contraste generalizado basado en la mejora de características aumenta los datos del dominio de origen a nivel de características para mejorar la generalización en datos no vistos.

Principales resultados:

• El marco propuesto demuestra un rendimiento superior en comparación con los métodos de referencia en dos conjuntos de datos de varias sesiones.
• El modelo exhibe capacidades de generalización mejoradas cuando se aplica a datos de dominio no vistos.
• Los experimentos validan la eficacia de la agregación de canales y el enfoque de aprendizaje por contraste generalizado.

Conclusiones:

• El marco de aprendizaje de contraste generalizado agregado por canal desarrollado mejora significativamente la identificación de personas basada en EEG.
• El método mitiga efectivamente la degradación del rendimiento causada por datos de dominio no vistos.
• Esta investigación avanza en el campo del reconocimiento de huellas cerebrales al ofrecer una solución de identificación más generalizable y segura.