TFM-Tokenizer・EEGのトークン化
単一チャネルのEEGを、Transformer用の時間周波数離散tokenに変換します。
13579 views
単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力するまでを示す、TFM-Tokenizerの16:9横長の概念図を作成してください。 タイトル: "TFM-Tokenizer: EEG Time–Frequency Discretization | Conceptual Example"。 EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯域マスクされた入力はLocalized Spectral Window Encoderへ進み、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。 スペクトルには紫、時間経路には青、語彙とtokensにはオレンジ、マスキングにはグレーのハッチングを使用してください。背景は白とし、明確な矢印とモジュールボックスを配置してください。 この手法がモデル非依存であり、基盤モデルやマルチチャネル設定に適応できることを示す定性的な注記を残してください。
単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力するまでを示す、TFM-Tokenizerの16:9横長の概念図を作成してください。 タイトル: "TFM-Tokenizer: EEG Time–Frequency Discretization | Conceptual Example"。 EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯域マスクされた入力はLocalized Spectral Window Encoderへ進み、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。 スペクトルには紫、時間経路には青、語彙とtokensにはオレンジ、マスキングにはグレーのハッチングを使用してください。背景は白とし、明確な矢印とモジュールボックスを配置してください。 この手法がモデル非依存であり、基盤モデルやマルチチャネル設定に適応できることを示す定性的な注記を残してください。
単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力するまでを示す、TFM-Tokenizerの16:9横長の概念図を作成してください。 タイトル: "TFM-Tokenizer: EEG Time–Frequency Discretization | Conceptual Example"。 EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯域マスクされた入力はLocalized Spectral Window Encoderへ進み、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。 スペクトルには紫、時間経路には青、語彙とtokensにはオレンジを使用してください。マスキングにはグレーのハッチングを使用してください。背景は白とし、明確な矢印とモジュールボックスを配置してください。 この手法がモデル非依存であり、基盤モデルやマルチチャネル設定に適応できることを示す定性的な注記を残してください。
単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力するまでを示す、TFM-Tokenizerの16:9横長の概念図を作成してください。 タイトル: "TFM-Tokenizer: EEG Time–Frequency Discretization | Conceptual Example"。 EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯域マスクされた入力はLocalized Spectral Window Encoderへ進み、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。 スペクトルには紫、時間経路には青、語彙とtokensにはオレンジ、マスキングにはグレーのハッチングを使用してください。背景は白とし、明確な矢印とモジュールボックスを配置してください。 この手法がモデル非依存であり、基盤モデルやマルチチャネル設定に適応できることを示す定性的な注記を残してください。