10:21
官方账号arXiv cs.LG@Meghal Dani, Stefanie Liebe
推荐理由：这项研究展示了如何通过参数高效的自适应，在有限的计算和数据收集负担下，有效地部署EEG基础模型（EEG-FM），值得一看。
AUCPR提升
共 1 条相关 AI 资讯
8月26日
10:21
研究参数高效的自监督适应，仅更新9%的参数即可对齐表示以适应目标任务。在两个模型BIOT和CBraMod上评估，在三个临床EEG数据集上测试，表现优于线性探测，AUCPR提升20倍。固定计算预算下，峰值性能仅需20-50%的无标签数据。性能与患者数量无关，仅依赖于时间窗口的多样性。代码可在GitHub获取。