EEG2Rep: EEG डेटा मॉडलिंग के लिए एक आत्म-निगरीत AI आर्किटेक्चर
हेडि डुरान
22 जुल॰ 2024
साझा करें:
हमें यह घोषणा करते हुए खुशी हो रही है कि पेपर "EEG2Rep: जानकारीपूर्ण मास्केड इनपुट के माध्यम से आत्म-निर्देशित EEG प्रतिनिधित्व को बढ़ाना" प्रख्यात KDD 2024 सम्मेलन में प्रस्तुति के लिए स्वीकार किया गया है।
नवीद फौमानी मुख्य लेखक हैं। सह-लेखक हैं डॉ. महसा सेलिही (मोनाश यूनिवर्सिटी), डॉ. जॉफ़्रे मैककेलर, डॉ. सोहेइला घाने, डॉ. साद इर्त्ज़ा, और डॉ. नम गुयेन (EMOTIV रिसर्च, Pty Ltd)।
EMOTIV नवीद फौमानी का प्रायोजक है, जो एक पीएचडी उम्मीदवार हैं जो डॉ. महसा सेलिही के मार्गदर्शन में ऑस्ट्रेलिया के मेलबर्न में मोनाश यूनिवर्सिटी में EEG डेटा पर गहरे अध्ययन के तरीकों को लागू करने पर काम कर रहे हैं। नवीद ने EEG डेटा को मॉडल करने के लिए अत्यधिक संभावित नवीन आत्म-निर्देशित आर्किटेक्चर EEG2Rep विकसित करने के लिए हमारी टीम के साथ नज़दीकी से काम किया।
5 EEG डेटा सेटों में से एक के रूप में, नवीद ने हमारे ड्राइवर ध्यान डेटा पर इन विधियों को लागू किया: 18 विषय x 45 मिनट का अनुकरणीय ड्राइविंग, जिसमें ड्राइविंग अनुभव के लिए विशिष्ट अस्थायी विकर्षक (मोबाइल कॉल, टेक्स्ट संदेश, मार्गदर्शन, संगीत चयन, बातचीत, मानसिक गणनाएँ आदि) शामिल हैं। हमारे ड्राइवर ध्यान एल्गोरिथम को 2013 में अत्याधुनिक मशीन लर्निंग विधियों का उपयोग करके 68% सटीकता मैट्रिक्स के साथ प्रस्तुत किया गया था।
हमने 2015 में मेलबर्न विश्वविद्यालय में महसा को उनके पीएचडी के दौरान प्रायोजित किया, उन्हें वही डेटा सेट प्रदान किया। उन्होंने संयुक्त विधियों का उपयोग करके सटीकता मैट्रिक्स को 72% तक सुधारने में सफल रही।
EEG2Rep मॉडल को ड्राइवर विकर्षण डेटा सेट पर लागू किया गया और अब तक की उच्चतम सटीकता 80.07% प्राप्त की, जो एक महत्वपूर्ण सुधार है। साथ ही, इस मॉडल ने पांच सार्वजनिक डेटा सेटों में से प्रत्येक में अत्याधुनिक विधियों को काफी पीछे छोड़ दिया, जिसमें भावनात्मक और मानसिक स्थिति पहचान, बहुकार्य, विश्राम स्थिति EEG, और चिकित्सा स्थितियों जैसे कि मिर्गी और स्ट्रोक का पता लगाना शामिल है।
यह सफलता EEG डेटा के लिए एक मौलिक मॉडल विकसित करने की संभावना को खोलती है जो विभिन्न कार्यों और अनुप्रयोगों में सामान्यीकृत हो सकती है, EEG विश्लेषण के क्षेत्र में जो कुछ भी हासिल किया जा सकता है उसकी सीमाओं को बढ़ाती है।
हमें यह घोषणा करते हुए खुशी हो रही है कि पेपर "EEG2Rep: जानकारीपूर्ण मास्केड इनपुट के माध्यम से आत्म-निर्देशित EEG प्रतिनिधित्व को बढ़ाना" प्रख्यात KDD 2024 सम्मेलन में प्रस्तुति के लिए स्वीकार किया गया है।
नवीद फौमानी मुख्य लेखक हैं। सह-लेखक हैं डॉ. महसा सेलिही (मोनाश यूनिवर्सिटी), डॉ. जॉफ़्रे मैककेलर, डॉ. सोहेइला घाने, डॉ. साद इर्त्ज़ा, और डॉ. नम गुयेन (EMOTIV रिसर्च, Pty Ltd)।
EMOTIV नवीद फौमानी का प्रायोजक है, जो एक पीएचडी उम्मीदवार हैं जो डॉ. महसा सेलिही के मार्गदर्शन में ऑस्ट्रेलिया के मेलबर्न में मोनाश यूनिवर्सिटी में EEG डेटा पर गहरे अध्ययन के तरीकों को लागू करने पर काम कर रहे हैं। नवीद ने EEG डेटा को मॉडल करने के लिए अत्यधिक संभावित नवीन आत्म-निर्देशित आर्किटेक्चर EEG2Rep विकसित करने के लिए हमारी टीम के साथ नज़दीकी से काम किया।
5 EEG डेटा सेटों में से एक के रूप में, नवीद ने हमारे ड्राइवर ध्यान डेटा पर इन विधियों को लागू किया: 18 विषय x 45 मिनट का अनुकरणीय ड्राइविंग, जिसमें ड्राइविंग अनुभव के लिए विशिष्ट अस्थायी विकर्षक (मोबाइल कॉल, टेक्स्ट संदेश, मार्गदर्शन, संगीत चयन, बातचीत, मानसिक गणनाएँ आदि) शामिल हैं। हमारे ड्राइवर ध्यान एल्गोरिथम को 2013 में अत्याधुनिक मशीन लर्निंग विधियों का उपयोग करके 68% सटीकता मैट्रिक्स के साथ प्रस्तुत किया गया था।
हमने 2015 में मेलबर्न विश्वविद्यालय में महसा को उनके पीएचडी के दौरान प्रायोजित किया, उन्हें वही डेटा सेट प्रदान किया। उन्होंने संयुक्त विधियों का उपयोग करके सटीकता मैट्रिक्स को 72% तक सुधारने में सफल रही।
EEG2Rep मॉडल को ड्राइवर विकर्षण डेटा सेट पर लागू किया गया और अब तक की उच्चतम सटीकता 80.07% प्राप्त की, जो एक महत्वपूर्ण सुधार है। साथ ही, इस मॉडल ने पांच सार्वजनिक डेटा सेटों में से प्रत्येक में अत्याधुनिक विधियों को काफी पीछे छोड़ दिया, जिसमें भावनात्मक और मानसिक स्थिति पहचान, बहुकार्य, विश्राम स्थिति EEG, और चिकित्सा स्थितियों जैसे कि मिर्गी और स्ट्रोक का पता लगाना शामिल है।
यह सफलता EEG डेटा के लिए एक मौलिक मॉडल विकसित करने की संभावना को खोलती है जो विभिन्न कार्यों और अनुप्रयोगों में सामान्यीकृत हो सकती है, EEG विश्लेषण के क्षेत्र में जो कुछ भी हासिल किया जा सकता है उसकी सीमाओं को बढ़ाती है।
हमें यह घोषणा करते हुए खुशी हो रही है कि पेपर "EEG2Rep: जानकारीपूर्ण मास्केड इनपुट के माध्यम से आत्म-निर्देशित EEG प्रतिनिधित्व को बढ़ाना" प्रख्यात KDD 2024 सम्मेलन में प्रस्तुति के लिए स्वीकार किया गया है।
नवीद फौमानी मुख्य लेखक हैं। सह-लेखक हैं डॉ. महसा सेलिही (मोनाश यूनिवर्सिटी), डॉ. जॉफ़्रे मैककेलर, डॉ. सोहेइला घाने, डॉ. साद इर्त्ज़ा, और डॉ. नम गुयेन (EMOTIV रिसर्च, Pty Ltd)।
EMOTIV नवीद फौमानी का प्रायोजक है, जो एक पीएचडी उम्मीदवार हैं जो डॉ. महसा सेलिही के मार्गदर्शन में ऑस्ट्रेलिया के मेलबर्न में मोनाश यूनिवर्सिटी में EEG डेटा पर गहरे अध्ययन के तरीकों को लागू करने पर काम कर रहे हैं। नवीद ने EEG डेटा को मॉडल करने के लिए अत्यधिक संभावित नवीन आत्म-निर्देशित आर्किटेक्चर EEG2Rep विकसित करने के लिए हमारी टीम के साथ नज़दीकी से काम किया।
5 EEG डेटा सेटों में से एक के रूप में, नवीद ने हमारे ड्राइवर ध्यान डेटा पर इन विधियों को लागू किया: 18 विषय x 45 मिनट का अनुकरणीय ड्राइविंग, जिसमें ड्राइविंग अनुभव के लिए विशिष्ट अस्थायी विकर्षक (मोबाइल कॉल, टेक्स्ट संदेश, मार्गदर्शन, संगीत चयन, बातचीत, मानसिक गणनाएँ आदि) शामिल हैं। हमारे ड्राइवर ध्यान एल्गोरिथम को 2013 में अत्याधुनिक मशीन लर्निंग विधियों का उपयोग करके 68% सटीकता मैट्रिक्स के साथ प्रस्तुत किया गया था।
हमने 2015 में मेलबर्न विश्वविद्यालय में महसा को उनके पीएचडी के दौरान प्रायोजित किया, उन्हें वही डेटा सेट प्रदान किया। उन्होंने संयुक्त विधियों का उपयोग करके सटीकता मैट्रिक्स को 72% तक सुधारने में सफल रही।
EEG2Rep मॉडल को ड्राइवर विकर्षण डेटा सेट पर लागू किया गया और अब तक की उच्चतम सटीकता 80.07% प्राप्त की, जो एक महत्वपूर्ण सुधार है। साथ ही, इस मॉडल ने पांच सार्वजनिक डेटा सेटों में से प्रत्येक में अत्याधुनिक विधियों को काफी पीछे छोड़ दिया, जिसमें भावनात्मक और मानसिक स्थिति पहचान, बहुकार्य, विश्राम स्थिति EEG, और चिकित्सा स्थितियों जैसे कि मिर्गी और स्ट्रोक का पता लगाना शामिल है।
यह सफलता EEG डेटा के लिए एक मौलिक मॉडल विकसित करने की संभावना को खोलती है जो विभिन्न कार्यों और अनुप्रयोगों में सामान्यीकृत हो सकती है, EEG विश्लेषण के क्षेत्र में जो कुछ भी हासिल किया जा सकता है उसकी सीमाओं को बढ़ाती है।
सहायता
कंपनी
© 2025 EMOTIV, सभी अधिकार सुरक्षित।
आपकी गोपनीयता की पसंद (कुकी सेटिंग्स)
*अस्वीकृति – EMOTIV उत्पादों का उद्देश्य केवल अनुसंधान अनुप्रयोगों और व्यक्तिगत उपयोग के लिए होना है। हमारे उत्पादों को EU निर्देश 93/42/EEC में परिभाषित चिकित्सा उपकरणों के रूप में बेचा नहीं जाता है। हमारे उत्पादों को किसी बीमारी के निदान या उपचार के लिए उपयोग के लिए डिज़ाइन या उद्देश्य नहीं किया गया है।
अनुवाद पर नोट: इस वेबसाइट के गैर-अंग्रेजी संस्करणों का अनुवाद आपकी सुविधा के लिए कृत्रिम बुद्धिमत्ता का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, स्वचालित अनुवाद में त्रुटियाँ या ऐसे अंतरों हो सकते हैं जो मूल पाठ से भिन्न होते हैं। सबसे सटीक जानकारी के लिए, कृपया इस साइट के अंग्रेजी संस्करण को देखें।
सहायता
कंपनी
© 2025 EMOTIV, सभी अधिकार सुरक्षित।
आपकी गोपनीयता की पसंद (कुकी सेटिंग्स)
*अस्वीकृति – EMOTIV उत्पादों का उद्देश्य केवल अनुसंधान अनुप्रयोगों और व्यक्तिगत उपयोग के लिए होना है। हमारे उत्पादों को EU निर्देश 93/42/EEC में परिभाषित चिकित्सा उपकरणों के रूप में बेचा नहीं जाता है। हमारे उत्पादों को किसी बीमारी के निदान या उपचार के लिए उपयोग के लिए डिज़ाइन या उद्देश्य नहीं किया गया है।
अनुवाद पर नोट: इस वेबसाइट के गैर-अंग्रेजी संस्करणों का अनुवाद आपकी सुविधा के लिए कृत्रिम बुद्धिमत्ता का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, स्वचालित अनुवाद में त्रुटियाँ या ऐसे अंतरों हो सकते हैं जो मूल पाठ से भिन्न होते हैं। सबसे सटीक जानकारी के लिए, कृपया इस साइट के अंग्रेजी संस्करण को देखें।
सहायता
कंपनी
© 2025 EMOTIV, सभी अधिकार सुरक्षित।
आपकी गोपनीयता की पसंद (कुकी सेटिंग्स)
*अस्वीकृति – EMOTIV उत्पादों का उद्देश्य केवल अनुसंधान अनुप्रयोगों और व्यक्तिगत उपयोग के लिए होना है। हमारे उत्पादों को EU निर्देश 93/42/EEC में परिभाषित चिकित्सा उपकरणों के रूप में बेचा नहीं जाता है। हमारे उत्पादों को किसी बीमारी के निदान या उपचार के लिए उपयोग के लिए डिज़ाइन या उद्देश्य नहीं किया गया है।
अनुवाद पर नोट: इस वेबसाइट के गैर-अंग्रेजी संस्करणों का अनुवाद आपकी सुविधा के लिए कृत्रिम बुद्धिमत्ता का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, स्वचालित अनुवाद में त्रुटियाँ या ऐसे अंतरों हो सकते हैं जो मूल पाठ से भिन्न होते हैं। सबसे सटीक जानकारी के लिए, कृपया इस साइट के अंग्रेजी संस्करण को देखें।