EEG2Rep: EEG ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই আর্কিটেকচার
এইচ.বি. ডুরান
সর্বশেষ আপডেট
২২ জুল, ২০২৪
EEG2Rep: EEG ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই আর্কিটেকচার
এইচ.বি. ডুরান
সর্বশেষ আপডেট
২২ জুল, ২০২৪
EEG2Rep: EEG ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই আর্কিটেকচার
এইচ.বি. ডুরান
সর্বশেষ আপডেট
২২ জুল, ২০২৪
আমরা আনন্দের সাথে জানাচ্ছি যে, “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” শীর্ষক গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 কনফারেন্স-এ উপস্থাপনের জন্য গৃহীত হয়েছে।
নাভিদ ফউমানি এই গবেষণাপত্রটির প্রধান লেখক। সহ-লেখকরা হলেন ডক্টর মাহসা সালেহী (মোনাশ ইউনিভার্সিটি), ডক্টর জেফ্রি ম্যাককেলার, ডক্টর সোহেইলা ঘানে, ডক্টর সাদ ইরত্বা এবং ডক্টর নাম নগুয়েন (Emotiv Research, Pty Ltd)।
Emotiv নাভিদ ফউমানি-কে স্পন্সর করছে, যিনি একজন পিএইচডি গবেষক এবং মেলবোর্ন, অস্ট্রেলিয়ার মোনাশ ইউনিভার্সিটিতে ডক্টর মাহসা সালেহীর তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগের কাজ করছেন। ইইজি ডেটা মডেলিংয়ের ক্ষেত্রে অত্যন্ত সম্ভাবনাময় EEG2Rep নামক একটি অভিনব সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাভিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।
৫টি ইইজি ডেটাসেটের একটি হিসেবে, নাভিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (চালক মনোযোগ) ডেটার ওপর প্রয়োগ করেছেন: ড্রাইভিং অভিজ্ঞতার সাধারণ কিছু বিভ্রান্তিকর পরিস্থিতি (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) সহ ১৮ জন সাবজেক্টের ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং। আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ২০১৩ সালে আধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে ৬৮% নির্ভুলতার সাথে প্রদান করা হয়েছিল।
আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে ডক্টর মাহসার পিএইচডি চলাকালীন তাঁকে স্পন্সর করেছিলাম এবং একই ডেটাসেট প্রদান করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার হার ৭২% এ উন্নীত করতে সক্ষম হন।
EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (চালক মনোযোগ বিভ্রান্তি) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এখন পর্যন্ত সর্বোচ্চ ৮০.০৭% নির্ভুলতা অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। উপরন্তু, মডেলটি আবেগীয় ও মানসিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগী ও স্ট্রোকের মতো শারীরিক অবস্থা সনাক্তকরণসহ পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতেই সর্বাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে।
এই সাফল্য ইইজি ডেটার জন্য এমন একটি মৌলিক মডেল তৈরির পথ উন্মোচন করেছে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশনে সার্বজনীনভাবে ব্যবহার করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করবে।
আমরা আনন্দের সাথে জানাচ্ছি যে, “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” শীর্ষক গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 কনফারেন্স-এ উপস্থাপনের জন্য গৃহীত হয়েছে।
নাভিদ ফউমানি এই গবেষণাপত্রটির প্রধান লেখক। সহ-লেখকরা হলেন ডক্টর মাহসা সালেহী (মোনাশ ইউনিভার্সিটি), ডক্টর জেফ্রি ম্যাককেলার, ডক্টর সোহেইলা ঘানে, ডক্টর সাদ ইরত্বা এবং ডক্টর নাম নগুয়েন (Emotiv Research, Pty Ltd)।
Emotiv নাভিদ ফউমানি-কে স্পন্সর করছে, যিনি একজন পিএইচডি গবেষক এবং মেলবোর্ন, অস্ট্রেলিয়ার মোনাশ ইউনিভার্সিটিতে ডক্টর মাহসা সালেহীর তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগের কাজ করছেন। ইইজি ডেটা মডেলিংয়ের ক্ষেত্রে অত্যন্ত সম্ভাবনাময় EEG2Rep নামক একটি অভিনব সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাভিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।
৫টি ইইজি ডেটাসেটের একটি হিসেবে, নাভিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (চালক মনোযোগ) ডেটার ওপর প্রয়োগ করেছেন: ড্রাইভিং অভিজ্ঞতার সাধারণ কিছু বিভ্রান্তিকর পরিস্থিতি (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) সহ ১৮ জন সাবজেক্টের ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং। আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ২০১৩ সালে আধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে ৬৮% নির্ভুলতার সাথে প্রদান করা হয়েছিল।
আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে ডক্টর মাহসার পিএইচডি চলাকালীন তাঁকে স্পন্সর করেছিলাম এবং একই ডেটাসেট প্রদান করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার হার ৭২% এ উন্নীত করতে সক্ষম হন।
EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (চালক মনোযোগ বিভ্রান্তি) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এখন পর্যন্ত সর্বোচ্চ ৮০.০৭% নির্ভুলতা অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। উপরন্তু, মডেলটি আবেগীয় ও মানসিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগী ও স্ট্রোকের মতো শারীরিক অবস্থা সনাক্তকরণসহ পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতেই সর্বাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে।
এই সাফল্য ইইজি ডেটার জন্য এমন একটি মৌলিক মডেল তৈরির পথ উন্মোচন করেছে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশনে সার্বজনীনভাবে ব্যবহার করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করবে।
আমরা আনন্দের সাথে জানাচ্ছি যে, “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” শীর্ষক গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 কনফারেন্স-এ উপস্থাপনের জন্য গৃহীত হয়েছে।
নাভিদ ফউমানি এই গবেষণাপত্রটির প্রধান লেখক। সহ-লেখকরা হলেন ডক্টর মাহসা সালেহী (মোনাশ ইউনিভার্সিটি), ডক্টর জেফ্রি ম্যাককেলার, ডক্টর সোহেইলা ঘানে, ডক্টর সাদ ইরত্বা এবং ডক্টর নাম নগুয়েন (Emotiv Research, Pty Ltd)।
Emotiv নাভিদ ফউমানি-কে স্পন্সর করছে, যিনি একজন পিএইচডি গবেষক এবং মেলবোর্ন, অস্ট্রেলিয়ার মোনাশ ইউনিভার্সিটিতে ডক্টর মাহসা সালেহীর তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগের কাজ করছেন। ইইজি ডেটা মডেলিংয়ের ক্ষেত্রে অত্যন্ত সম্ভাবনাময় EEG2Rep নামক একটি অভিনব সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাভিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।
৫টি ইইজি ডেটাসেটের একটি হিসেবে, নাভিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (চালক মনোযোগ) ডেটার ওপর প্রয়োগ করেছেন: ড্রাইভিং অভিজ্ঞতার সাধারণ কিছু বিভ্রান্তিকর পরিস্থিতি (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) সহ ১৮ জন সাবজেক্টের ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং। আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ২০১৩ সালে আধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে ৬৮% নির্ভুলতার সাথে প্রদান করা হয়েছিল।
আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে ডক্টর মাহসার পিএইচডি চলাকালীন তাঁকে স্পন্সর করেছিলাম এবং একই ডেটাসেট প্রদান করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার হার ৭২% এ উন্নীত করতে সক্ষম হন।
EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (চালক মনোযোগ বিভ্রান্তি) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এখন পর্যন্ত সর্বোচ্চ ৮০.০৭% নির্ভুলতা অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। উপরন্তু, মডেলটি আবেগীয় ও মানসিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগী ও স্ট্রোকের মতো শারীরিক অবস্থা সনাক্তকরণসহ পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতেই সর্বাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে।
এই সাফল্য ইইজি ডেটার জন্য এমন একটি মৌলিক মডেল তৈরির পথ উন্মোচন করেছে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশনে সার্বজনীনভাবে ব্যবহার করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করবে।
পড়তে থাকুন