TFM-Tokenizer · Токенизация ЭЭГ
Четыре шага преобразуют одноканальную ЭЭГ в дискретные токены: STFT и разбиение на патчи, кодирование по времени и спектральным окнам, агрегация патчей со шлюзованием и квантование.
13579 views
Начать с этого запроса
Преобразование одноканальной ЭЭГ в дискретные токены во временно-частотном представлении для Трансформера.
Добавить указание на функцию потерь
Добавляет к ветви реконструкции с маскированием указание на функцию потерь реконструкции, не изменяя остальную схему.
Попробовать Kimi DesignСоздайте горизонтальную концептуальную диаграмму метода TFM-Tokenizer в формате 16:9, показывающую, как одноканальная ЭЭГ преобразуется в дискретные токены во временно-частотном представлении и подаётся в Трансформер. Заголовок: "TFM-Tokenizer: дискретизация ЭЭГ во временно-частотном представлении | Концептуальный пример". Сигнал ЭЭГ последовательно проходит через STFT и перекрывающееся разбиение на патчи; вход с маскированием по времени поступает во временной энкодер, а вход с маскированием по частотным полосам — в энкодер локализованных спектральных окон, после чего две ветви объединяются в модуле агрегации патчей со шлюзованием; затем выполняется квантование для формирования словаря токенов и EEG-токенов, а модуль реконструкции с маскированием восстанавливает спектрограмму; справа покажите: обученные EEG-токены → маскирование → энкодер Трансформера → модуль предсказания токенов → предсказание замаскированных токенов. Используйте фиолетовый цвет для спектра, синий — для временного пути, оранжевый — для словаря и токенов, серую штриховку — для маскирования; фон должен быть белым, со стрелками и чёткими блоками модулей. Сохраните качественные примечания о том, что метод не зависит от модели и адаптируется к базовым моделям и многоканальным сценариям.
Сменить палитру
Меняет цвета спектра, временного пути и токенов на индиго, бирюзовый и киноварь, не изменяя структуру.
Попробовать Kimi DesignСоздайте горизонтальную концептуальную диаграмму метода TFM-Tokenizer в формате 16:9, показывающую, как одноканальная ЭЭГ преобразуется в дискретные токены во временно-частотном представлении и подаётся в Трансформер. Заголовок: "TFM-Tokenizer: дискретизация ЭЭГ во временно-частотном представлении | Концептуальный пример". Сигнал ЭЭГ последовательно проходит через STFT и перекрывающееся разбиение на патчи; вход с маскированием по времени поступает во временной энкодер, а вход с маскированием по частотным полосам — в энкодер локализованных спектральных окон, после чего две ветви объединяются в модуле агрегации патчей со шлюзованием; затем выполняется квантование для формирования словаря токенов и EEG-токенов, а модуль реконструкции с маскированием восстанавливает спектрограмму; справа покажите: обученные EEG-токены → маскирование → энкодер Трансформера → модуль предсказания токенов → предсказание замаскированных токенов. Используйте фиолетовый цвет для спектра, синий — для временного пути, оранжевый — для словаря и токенов, серую штриховку — для маскирования; фон должен быть белым, со стрелками и чёткими блоками модулей. Сохраните качественные примечания о том, что метод не зависит от модели и адаптируется к базовым моделям и многоканальным сценариям.
Добавить эскиз многоканального расширения
Добавляет рядом с качественными примечаниями небольшой эскиз многоканального расширения.
Попробовать Kimi DesignСоздайте горизонтальную концептуальную диаграмму метода TFM-Tokenizer в формате 16:9, показывающую, как одноканальная ЭЭГ преобразуется в дискретные токены во временно-частотном представлении и подаётся в Трансформер. Заголовок: "TFM-Tokenizer: дискретизация ЭЭГ во временно-частотном представлении | Концептуальный пример". Сигнал ЭЭГ последовательно проходит через STFT и перекрывающееся разбиение на патчи; вход с маскированием по времени поступает во временной энкодер, а вход с маскированием по частотным полосам — в энкодер локализованных спектральных окон, после чего две ветви объединяются в модуле агрегации патчей со шлюзованием; затем выполняется квантование для формирования словаря токенов и EEG-токенов, а модуль реконструкции с маскированием восстанавливает спектрограмму; справа покажите: обученные EEG-токены → маскирование → энкодер Трансформера → модуль предсказания токенов → предсказание замаскированных токенов. Используйте фиолетовый цвет для спектра, синий — для временного пути, оранжевый — для словаря и токенов, серую штриховку — для маскирования; фон должен быть белым, со стрелками и чёткими блоками модулей. Сохраните качественные примечания о том, что метод не зависит от модели и адаптируется к базовым моделям и многоканальным сценариям.
Вам также может понравиться
Поступило 36 новинок. Два года спустя осталось лишь 6.
Инфографика в жанре дата-журналистики о том, как 36 новинок независимого книжного магазина за два года сокращаются до шести.
Типографическое исследование «Послеобраз» — выпуск Velorin 04
Призрачное узкое курсивное «ПОСЛЕОБРАЗ», чёрные и ярко-синие «ФОРМА / В ДВИЖЕНИИ», зелёный ризографский прямоугольник и небесно-голубая лента; шкала отмечает X 07.40, Y 22.18, Z 11.63.