TFM-Tokenizer · Tokenizzazione EEG
Trasformare l'EEG a canale singolo in token discreti tempo-frequenza per un Transformer.
13579 views
Parti da questo prompt
Trasformare l'EEG a canale singolo in token discreti tempo-frequenza per un Transformer.
Prova Kimi DesignCrea un diagramma concettuale orizzontale in formato 16:9 del metodo TFM-Tokenizer, che illustri come l'EEG a canale singolo venga convertito in token discreti tempo-frequenza e fornito a un Transformer. Titolo: "TFM-Tokenizer: discretizzazione tempo-frequenza dell'EEG | Esempio concettuale". La forma d'onda EEG passa in sequenza attraverso STFT e Patching sovrapposto; l'input mascherato nel tempo entra nell'Encoder temporale, l'input mascherato per bande di frequenza entra nell'Encoder a finestre spettrali localizzate e i due rami confluiscono nell'Aggregazione patchwise con gating; segue la Quantizzazione per formare il Vocabolario di token e gli EEG-Token, mentre la Ricostruzione mascherata ripristina lo spettrogramma; sul lato destro, mostra token EEG appresi → Mascheramento → Encoder Transformer → Testa di previsione dei token → Previsione dei token mascherati. Usa il viola per lo spettro, il blu per il percorso temporale, l'arancione per il vocabolario e i token, il tratteggio grigio per il mascheramento, su sfondo bianco con frecce chiare e riquadri dei moduli. Mantieni le note qualitative secondo cui il metodo è indipendente dal modello e adattabile a modelli fondazionali e configurazioni multicanale.
Aggiungi l'annotazione della perdita
Aggiunge al ramo di Ricostruzione mascherata l'annotazione della relativa perdita di ricostruzione, lasciando invariato il resto della pipeline.
Prova Kimi DesignCrea un diagramma concettuale orizzontale in formato 16:9 del metodo TFM-Tokenizer, che illustri come l'EEG a canale singolo venga convertito in token discreti tempo-frequenza e fornito a un Transformer. Titolo: "TFM-Tokenizer: discretizzazione tempo-frequenza dell'EEG | Esempio concettuale". La forma d'onda EEG passa in sequenza attraverso STFT e Patching sovrapposto; l'input mascherato nel tempo entra nell'Encoder temporale, l'input mascherato per bande di frequenza entra nell'Encoder a finestre spettrali localizzate e i due rami confluiscono nell'Aggregazione patchwise con gating; segue la Quantizzazione per formare il Vocabolario di token e gli EEG-Token, con la Ricostruzione mascherata che ripristina lo spettrogramma; sul lato destro, mostra token EEG appresi → Mascheramento → Encoder Transformer → Testa di previsione dei token → Previsione dei token mascherati. Usa il viola per lo spettro, il blu per il percorso temporale, l'arancione per il vocabolario e i token, il tratteggio grigio per il mascheramento, su sfondo bianco con frecce chiare e riquadri dei moduli. Mantieni le note qualitative secondo cui il metodo è indipendente dal modello e adattabile a modelli fondazionali e configurazioni multicanale.
Cambia palette
Ricolora lo spettro, il percorso temporale e i token rispettivamente in indaco, verde acqua e vermiglio, senza modificare la struttura.
Prova Kimi DesignCrea un diagramma concettuale orizzontale in formato 16:9 del metodo TFM-Tokenizer, che illustri come l'EEG a canale singolo venga convertito in token discreti tempo-frequenza e fornito a un Transformer. Titolo: "TFM-Tokenizer: discretizzazione tempo-frequenza dell'EEG | Esempio concettuale". La forma d'onda EEG passa in sequenza attraverso STFT e Patching sovrapposto; l'input mascherato nel tempo entra nell'Encoder temporale, l'input mascherato per bande di frequenza entra nell'Encoder a finestre spettrali localizzate e i due rami confluiscono nell'Aggregazione patchwise con gating; segue la Quantizzazione per formare il Vocabolario di token e gli EEG-Token, con la Ricostruzione mascherata che ripristina lo spettrogramma; sul lato destro, mostra token EEG appresi → Mascheramento → Encoder Transformer → Testa di previsione dei token → Previsione dei token mascherati. Usa il viola per lo spettro, il blu per il percorso temporale, l'arancione per il vocabolario e i token, il tratteggio grigio per il mascheramento, su sfondo bianco con frecce chiare e riquadri dei moduli. Mantieni le note qualitative secondo cui il metodo è indipendente dal modello e adattabile a modelli fondazionali e configurazioni multicanale.
Aggiungi schizzo multicanale
Aggiunge un piccolo schizzo dell'estensione multicanale accanto alle note qualitative.
Prova Kimi DesignCrea un diagramma concettuale orizzontale in formato 16:9 del metodo TFM-Tokenizer, che illustri come l'EEG a canale singolo venga convertito in token discreti tempo-frequenza e fornito a un Transformer. Titolo: "TFM-Tokenizer: discretizzazione tempo-frequenza dell'EEG | Esempio concettuale". La forma d'onda EEG passa in sequenza attraverso STFT e Patching sovrapposto; l'input mascherato nel tempo entra nell'Encoder temporale, l'input mascherato per bande di frequenza entra nell'Encoder a finestre spettrali localizzate e i due rami confluiscono nell'Aggregazione patchwise con gating; segue la Quantizzazione per formare il Vocabolario di token e gli EEG-Token, con la Ricostruzione mascherata che ripristina lo spettrogramma; sul lato destro, mostra token EEG appresi → Mascheramento → Encoder Transformer → Testa di previsione dei token → Previsione dei token mascherati. Usa il viola per lo spettro, il blu per il percorso temporale, l'arancione per il vocabolario e i token, il tratteggio grigio per il mascheramento, su sfondo bianco con frecce chiare e riquadri dei moduli. Mantieni le note qualitative secondo cui il metodo è indipendente dal modello e adattabile a modelli fondazionali e configurazioni multicanale.
Potrebbe interessarti anche
Zodiaco cinese
Una ruota dello zodiaco quadrata in stile xilografico: dodici animali in tre anelli concentrici color indaco con sigilli dorati color ocra.
Un anno in una biblioteca comunale
Un'infografica quasi quadrata che presenta i dati sui prestiti del 2026 di una biblioteca comunale con un grafico a ciambella multianello.