跳到正文
原文
arXiv · Human-Computer Interaction· Sergey Musienko
· 22 小时前AI 评分47

部署后的BCI解码器何时应当自适应?面向冻结EEG主干的资源定价阶梯

When Should Deployed BCI Decoders Adapt? A Resource-Priced Ladder for Frozen EEG Trunks

预印本 · 尚未经过同行评审

AI 导读

冻结编码器外的门控自适应层在干净数据上降低误入率,压力下轻量LDA头精度不逊且拟合快约23倍。

摘要 · AI 翻译

当部署的 MI 解码器应当在何时投入自适应资源——而不仅仅是在漂移下如何自适应?我们研究冻结编码器之外的一个薄控制层:一个资源阶梯(factory -> 贝叶斯头 -> 仿射映射,以完全微调作为逃生舱),由状态感知门控在权衡准确率、拟合时间和标签成本的效用下进行管理。该头在共轭意义上是贝叶斯的:在嵌入空间中对类条件高斯施加 Normal-Inverse-Wishart 先验,随着带标签试次的到来以闭式更新(无梯度)。完整估计器、常数和再分析代码见配套论文和本投稿的辅助材料包。论点:自适应应当被门控和设上限,而不是始终开启,也不是盲目微调。证据:(i) 效用最大化门控在已经带有会话漂移的干净数据上过度自适应;以干净数据为参照的门控恢复了低误入率(例如在类现场会话上将自适应率从 0.56 降至 0.11,级联在约 87% 的干净单元上保持使用 factory 解码器)。(ii) 在严重合成压力下,轻量级 LDA 头在五种编码器架构上达到或超过冻结主干的准确率(n=155 受试者 x 主干单元,跨共享受试者合并),拟合时间约为完全热启动微调的 23 倍之低。始终开启的基线支持将默认上限设在完全微调之下。(iii) 在两次无扰动 BNCI 会话检查中,factory 模型无需干预即完成迁移(头部无可靠增益),因此控制层在自然漂移下的价值在于成本效率和干净安全性,而非已证明的准确率增益。(iv) 自适应严重程度在不同数据集之间并不遵循通用的序数阶梯,这凸显了需要动态门控而非固定自适应策略。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Human-Computer Interaction · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。