TFM-Tokenizer · Mã hóa token EEG

Bốn bước chuyển EEG đơn kênh thành các token rời rạc: STFT và tạo patch, mã hóa theo cửa sổ thời gian và phổ tần, tổng hợp theo từng patch có cổng, rồi lượng tử hóa.

Dùng thử Kimi Design Xem quyền lợi thành viên

Bắt đầu với câu lệnh này

Chuyển đổi EEG một kênh thành các token rời rạc theo thời gian–tần số cho Transformer.

Thêm chú thích tổn thất

Chú thích nhánh Masked Reconstruction bằng tổn thất tái tạo của nó, giữ nguyên phần còn lại của quy trình.

Dùng thử Kimi Design

Tạo sơ đồ phương pháp mang tính khái niệm TFM-Tokenizer theo bố cục ngang tỷ lệ 16:9, minh họa cách EEG một kênh được chuyển đổi thành các token rời rạc theo thời gian–tần số và đưa vào Transformer.

Tiêu đề: "TFM-Tokenizer: Rời rạc hóa thời gian–tần số EEG | Ví dụ khái niệm".

Dạng sóng EEG lần lượt đi qua STFT và Patching chồng lấp; đầu vào được che theo thời gian đi vào Temporal Encoder, đầu vào được che theo dải tần đi vào Localized Spectral Window Encoder, rồi hai nhánh hợp nhất trong Gated Patchwise Aggregation; tiếp theo là Quantization để tạo thành Token Vocabulary và token EEG, với Masked Reconstruction khôi phục phổ đồ; ở bên phải, hiển thị token EEG đã học → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction.

Dùng màu tím cho phổ, xanh dương cho nhánh thời gian, cam cho từ vựng và token, vân gạch chéo màu xám cho phần che, trên nền trắng với mũi tên và các hộp mô-đun rõ ràng.

Giữ các ghi chú định tính rằng phương pháp không phụ thuộc vào mô hình và có thể thích ứng với foundation model cùng thiết lập đa kênh.

Đổi bảng màu

Đổi màu phổ, nhánh thời gian và token thành chàm, xanh mòng két và đỏ son mà không thay đổi cấu trúc.

Dùng thử Kimi Design

Tạo sơ đồ phương pháp mang tính khái niệm TFM-Tokenizer theo bố cục ngang tỷ lệ 16:9, minh họa cách EEG một kênh được chuyển đổi thành các token rời rạc theo thời gian–tần số và đưa vào Transformer.

Tiêu đề: "TFM-Tokenizer: Rời rạc hóa thời gian–tần số EEG | Ví dụ khái niệm".

Dạng sóng EEG lần lượt đi qua STFT và Patching chồng lấp; đầu vào được che theo thời gian đi vào Temporal Encoder, đầu vào được che theo dải tần đi vào Localized Spectral Window Encoder, rồi hai nhánh hợp nhất trong Gated Patchwise Aggregation; tiếp theo là Quantization để tạo thành Token Vocabulary và token EEG, với Masked Reconstruction khôi phục phổ đồ; ở bên phải, hiển thị token EEG đã học → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction.

Dùng màu tím cho phổ, xanh dương cho nhánh thời gian, cam cho từ vựng và token, vân gạch chéo màu xám cho phần che, trên nền trắng với mũi tên và các hộp mô-đun rõ ràng.

Giữ các ghi chú định tính rằng phương pháp không phụ thuộc vào mô hình và có thể thích ứng với foundation model cùng thiết lập đa kênh.

Thêm phác thảo đa kênh

Thêm một phác thảo nhỏ về phần mở rộng đa kênh bên cạnh các ghi chú định tính.

Dùng thử Kimi Design

Tạo sơ đồ phương pháp mang tính khái niệm TFM-Tokenizer theo bố cục ngang tỷ lệ 16:9, minh họa cách EEG một kênh được chuyển đổi thành các token rời rạc theo thời gian–tần số và đưa vào Transformer.

Tiêu đề: "TFM-Tokenizer: Rời rạc hóa thời gian–tần số EEG | Ví dụ khái niệm".

Dạng sóng EEG lần lượt đi qua STFT và Patching chồng lấp; đầu vào được che theo thời gian đi vào Temporal Encoder, đầu vào được che theo dải tần đi vào Localized Spectral Window Encoder, rồi hai nhánh hợp nhất trong Gated Patchwise Aggregation; tiếp theo là Quantization để tạo thành Token Vocabulary và token EEG, với Masked Reconstruction khôi phục phổ đồ; ở bên phải, hiển thị token EEG đã học → Masking → Transformer Encoder → Token Prediction Head → Masked Token Prediction.

Dùng màu tím cho phổ, xanh dương cho nhánh thời gian, cam cho từ vựng và token, vân gạch chéo màu xám cho phần che, trên nền trắng với mũi tên và các hộp mô-đun rõ ràng.

Giữ các ghi chú định tính rằng phương pháp không phụ thuộc vào mô hình và có thể thích ứng với foundation model cùng thiết lập đa kênh.