TFM-Tokenizer · EEG-Tokenisierung
Vier Schritte verwandeln einkanaliges EEG in diskrete Tokens: STFT und Patchbildung, zeitliche und Spektralfenster-Kodierung, gesteuerte patchweise Aggregation und anschließend Quantisierung.
13579 views
Mit diesem Prompt beginnen
Umwandlung von einkanaligem EEG in diskrete Zeit-Frequenz-Tokens für einen Transformer.
Verlustbeschriftung hinzufügen
Ergänzt den Zweig „Maskierte Rekonstruktion“ um seinen Rekonstruktionsverlust, ohne den Rest der Pipeline zu verändern.
Kimi Design ausprobierenErstelle ein konzeptionelles Methodendiagramm im Querformat 16:9 für TFM-Tokenizer, das zeigt, wie einkanaliges EEG in diskrete Zeit-Frequenz-Tokens umgewandelt und einem Transformer zugeführt wird. Titel: "TFM-Tokenizer: EEG-Zeit-Frequenz-Diskretisierung | Konzeptionelles Beispiel". Die EEG-Wellenform durchläuft nacheinander STFT und überlappende Patchbildung; zeitmaskierte Eingaben gehen in den temporalen Encoder, nach Frequenzbändern maskierte Eingaben in den lokalisierten Spektralfenster-Encoder, und die beiden Zweige werden in einer gesteuerten patchweisen Aggregation zusammengeführt; darauf folgt die Quantisierung zur Bildung des Token-Vokabulars und der EEG-Tokens, wobei die maskierte Rekonstruktion das Spektrogramm wiederherstellt; zeige auf der rechten Seite gelernte EEG-Tokens → Maskierung → Transformer-Encoder → Token-Vorhersagekopf → maskierte Token-Vorhersage. Verwende Violett für das Spektrum, Blau für den zeitlichen Pfad, Orange für Vokabular und Tokens sowie graue Schraffuren für die Maskierung, auf weißem Hintergrund mit klaren Pfeilen und Modulboxen. Behalte die qualitativen Hinweise bei, dass die Methode modellunabhängig ist und sich an Basismodelle sowie Mehrkanal-Setups anpassen lässt.
Farbpalette wechseln
Färbt Spektrum, zeitlichen Pfad und Tokens in Indigo, Türkis und Zinnoberrot um, ohne die Struktur zu verändern.
Kimi Design ausprobierenErstelle ein konzeptionelles Methodendiagramm im Querformat 16:9 für TFM-Tokenizer, das zeigt, wie einkanaliges EEG in diskrete Zeit-Frequenz-Tokens umgewandelt und einem Transformer zugeführt wird. Titel: "TFM-Tokenizer: EEG-Zeit-Frequenz-Diskretisierung | Konzeptionelles Beispiel". Die EEG-Wellenform durchläuft nacheinander STFT und überlappende Patchbildung; zeitmaskierte Eingaben gehen in den temporalen Encoder, nach Frequenzbändern maskierte Eingaben in den lokalisierten Spektralfenster-Encoder, und die beiden Zweige werden in einer gesteuerten patchweisen Aggregation zusammengeführt; darauf folgt die Quantisierung zur Bildung des Token-Vokabulars und der EEG-Tokens, wobei die maskierte Rekonstruktion das Spektrogramm wiederherstellt; zeige auf der rechten Seite gelernte EEG-Tokens → Maskierung → Transformer-Encoder → Token-Vorhersagekopf → maskierte Token-Vorhersage. Verwende Violett für das Spektrum, Blau für den zeitlichen Pfad, Orange für Vokabular und Tokens, graue Schraffuren für die Maskierung, auf weißem Hintergrund mit klaren Pfeilen und Modulboxen. Behalte die qualitativen Hinweise bei, dass die Methode modellunabhängig ist und sich an Basismodelle sowie Mehrkanal-Setups anpassen lässt.
Mehrkanal-Skizze hinzufügen
Fügt neben den qualitativen Hinweisen eine kleine Skizze der Mehrkanal-Erweiterung hinzu.
Kimi Design ausprobierenErstelle ein konzeptionelles Methodendiagramm im Querformat 16:9 für TFM-Tokenizer, das zeigt, wie einkanaliges EEG in diskrete Zeit-Frequenz-Tokens umgewandelt und einem Transformer zugeführt wird. Titel: "TFM-Tokenizer: EEG-Zeit-Frequenz-Diskretisierung | Konzeptionelles Beispiel". Die EEG-Wellenform durchläuft nacheinander STFT und überlappende Patchbildung; zeitmaskierte Eingaben gehen in den temporalen Encoder, nach Frequenzbändern maskierte Eingaben in den lokalisierten Spektralfenster-Encoder, und die beiden Zweige werden in einer gesteuerten patchweisen Aggregation zusammengeführt; darauf folgt die Quantisierung zur Bildung des Token-Vokabulars und der EEG-Tokens, wobei die maskierte Rekonstruktion das Spektrogramm wiederherstellt; zeige auf der rechten Seite gelernte EEG-Tokens → Maskierung → Transformer-Encoder → Token-Vorhersagekopf → maskierte Token-Vorhersage. Verwende Violett für das Spektrum, Blau für den zeitlichen Pfad, Orange für Vokabular und Tokens sowie graue Schraffuren für die Maskierung, auf weißem Hintergrund mit klaren Pfeilen und Modulboxen. Behalte die qualitativen Hinweise bei, dass die Methode modellunabhängig ist und sich an Basismodelle sowie Mehrkanal-Setups anpassen lässt.
Das könnte Ihnen auch gefallen
36 neue Titel treffen ein. Zwei Jahre später sind nur noch 6 übrig.
Eine datenjournalistische Infografik, die zeigt, wie die 36 neuen Titel einer unabhängigen Buchhandlung innerhalb von zwei Jahren auf sechs schrumpfen.
Nachbild-Typografiestudienposter — Velorin Ausgabe 04
Ein blass versetztes, schmales kursives NACHBILD, FORM/IN BEWEGUNG in Schwarz und leuchtendem Blau, ein grünes Riso-Rechteck und ein himmelblaues Band; eine Skala markiert X 07.40, Y 22.18, Z 11.63.