★ 2
LaS：用语言监督训练神经解码器
研究者提出「语言作为监督」（LaS），将神经特征与自然语言类别描述对齐，并用候选文本原型进行预测。在视觉、运动与语音解码的七种编码器架构上，LaS 将语音解码准确率最高提升 17.15 个百分点，并支持 SSVEP 中未见频率的条件解码。
arXiv cs.AI21 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出「语言作为监督」（LaS），将神经特征与自然语言类别描述对齐，并用候选文本原型进行预测。在视觉、运动与语音解码的七种编码器架构上，LaS 将语音解码准确率最高提升 17.15 个百分点，并支持 SSVEP 中未见频率的条件解码。
论文提出 DenoFlow，将 SSVEP 脑电去噪建模为传输问题，用整流流公式让场网络回归污染试次到干净试次直线路径的速度。模型以观测本身为条件输入与积分起点，训练简化为回归，避免对抗式博弈。在两个公开 SSVEP 数据集上，DenoFlow 在信号保真度与下游解码精度上均优于七个基线去噪模型。