迈向元认知:对EEG分析的主体意识的对比深度融合表示学习
Michael Briden1, Narges Norouzi2
1Baskin Engineering, UC Santa Cruz, 1156 High Street, Santa Cruz, CA, 95064, USA. mbriden@ucsc.edu.
Biological cybernetics
|July 4, 2023
概括
本研究介绍了WaveFusion,这是一个新的深度学习框架,用于对视觉感知的信心水平进行分类. 通过分析大脑活动和识别关键大脑区域,WaveFusion实现了95.7%的准确性.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 认知科学 认知科学
背景情况:
- 对视觉感知信心水平的准确分类对于理解认知过程至关重要.
- 现有的方法可能无法充分利用电脑电图 (EEG) 数据中的丰富信息,或无法考虑主体间的变化.
研究的目的:
- 开发一个主体意识的深度融合神经网络框架,WaveFusion,用于精确分类信任级别.
- 通过利用EEG数据中的特定学科特征来提高表示学习和分类准确性.
主要方法:
- WaveFusion使用轻量级卷积神经网络进行时间频率分析,并使用注意网络进行数据集成.
- 整合了主体意识的对比学习方法,以利用多主体EEG数据异质性.
- 该框架执行每时间频率分析,并集成最终预测的模式.
主要成果:
- 对于信任级别,WaveFusion 实现了 95.7% 的高分类准确度.
- 该框架成功地确定了与自信感知相关的有影响力的大脑区域.
- 主体意识的对比学习显著提高了表示学习和分类性能.
结论:
- 使用EEG数据,WaveFusion提供了一种有效和准确的方法来分类视觉感知的信心水平.
- 具有主体意识的对比学习策略增强了模型从异质数据中学习可靠表示的能力.
- 这些发现突显了深度学习和EEG分析在理解主观对感知信心方面的潜力.
