TFM-Tokenizer · Tokenización de EEG
Cuatro pasos convierten el EEG de un solo canal en tokens discretos: STFT y creación de parches, codificación temporal y de ventanas espectrales, agregación por parches con compuerta y, por último, cuantización.
13579 views
Comenzar con este prompt
Transformación de EEG de un solo canal en tokens discretos de tiempo-frecuencia para un Transformer.
Agregar anotación de pérdida
Anota la rama de Reconstrucción enmascarada con su pérdida de reconstrucción, sin modificar el resto del flujo.
Probar Kimi DesignCrea un diagrama conceptual horizontal en formato 16:9 del método TFM-Tokenizer que ilustre cómo el EEG de un solo canal se convierte en tokens discretos de tiempo-frecuencia y se introduce en un Transformer. Título: "TFM-Tokenizer: Discretización de tiempo-frecuencia de EEG | Ejemplo conceptual". La forma de onda de EEG pasa secuencialmente por STFT y Patching superpuesto; la entrada enmascarada en el tiempo va al Codificador temporal, la entrada enmascarada por banda de frecuencia va al Codificador de ventanas espectrales localizadas, y las dos ramas convergen en la Agregación por parches con compuerta; a continuación se realiza la Cuantización para formar el Vocabulario de tokens y los tokens de EEG, con la Reconstrucción enmascarada restaurando el espectrograma; del lado derecho, muestra tokens de EEG aprendidos → Enmascaramiento → Codificador Transformer → Cabezal de predicción de tokens → Predicción de tokens enmascarados. Usa morado para el espectro, azul para la ruta temporal, naranja para el vocabulario y los tokens, tramado gris para el enmascaramiento, sobre un fondo blanco con flechas claras y recuadros para los módulos. Conserva las notas cualitativas de que el método es independiente del modelo y adaptable a modelos fundacionales y configuraciones multicanal.
Cambiar paleta
Cambia los colores del espectro, la ruta temporal y los tokens a índigo, verde azulado y bermellón, sin modificar la estructura.
Probar Kimi DesignCrea un diagrama conceptual horizontal en formato 16:9 del método TFM-Tokenizer que ilustre cómo el EEG de un solo canal se convierte en tokens discretos de tiempo-frecuencia y se introduce en un Transformer. Título: "TFM-Tokenizer: Discretización de tiempo-frecuencia de EEG | Ejemplo conceptual". La forma de onda de EEG pasa secuencialmente por STFT y Patching superpuesto; la entrada enmascarada en el tiempo va al Codificador temporal, la entrada enmascarada por banda de frecuencia va al Codificador de ventanas espectrales localizadas, y las dos ramas convergen en la Agregación por parches con compuerta; a continuación se realiza la Cuantización para formar el Vocabulario de tokens y los tokens de EEG, con la Reconstrucción enmascarada restaurando el espectrograma; del lado derecho, muestra tokens de EEG aprendidos → Enmascaramiento → Codificador Transformer → Cabezal de predicción de tokens → Predicción de tokens enmascarados. Usa morado para el espectro, azul para la ruta temporal y naranja para el vocabulario y los tokens, tramado gris para el enmascaramiento, sobre un fondo blanco con flechas claras y recuadros para los módulos. Conserva las notas cualitativas de que el método es independiente del modelo y adaptable a modelos fundacionales y configuraciones multicanal.
Agregar boceto multicanal
Agrega un pequeño boceto de la extensión multicanal junto a las notas cualitativas.
Probar Kimi DesignCrea un diagrama conceptual horizontal en formato 16:9 del método TFM-Tokenizer que ilustre cómo el EEG de un solo canal se convierte en tokens discretos de tiempo-frecuencia y se introduce en un Transformer. Título: "TFM-Tokenizer: Discretización de tiempo-frecuencia de EEG | Ejemplo conceptual". La forma de onda de EEG pasa secuencialmente por STFT y Patching superpuesto; la entrada enmascarada en el tiempo va al Codificador temporal, la entrada enmascarada por banda de frecuencia va al Codificador de ventanas espectrales localizadas, y las dos ramas convergen en la Agregación por parches con compuerta; a continuación se realiza la Cuantización para formar el Vocabulario de tokens y los tokens de EEG, con la Reconstrucción enmascarada restaurando el espectrograma; del lado derecho, muestra tokens de EEG aprendidos → Enmascaramiento → Codificador Transformer → Cabezal de predicción de tokens → Predicción de tokens enmascarados. Usa morado para el espectro, azul para la ruta temporal, naranja para el vocabulario y los tokens, tramado gris para el enmascaramiento, sobre un fondo blanco con flechas claras y recuadros para los módulos. Conserva las notas cualitativas de que el método es independiente del modelo y adaptable a modelos fundacionales y configuraciones multicanal.
También le puede interesar
Llegan 36 títulos nuevos. Dos años después, solo quedan 6.
Una infografía de periodismo de datos que muestra cómo los 36 títulos nuevos de una librería independiente se reducen a seis a lo largo de dos años.
Póster de estudio tipográfico Posimagen — Edición 04 de Velorin
Una POSIMAGEN condensada en cursiva y con efecto fantasma, FORMA/EN MOVIMIENTO en negro y azul brillante, un rectángulo riso verde y una cinta azul cielo; una escala marca X 07.40, Y 22.18, Z 11.63.