ThinkNet 用进化搜索压缩 MI-EEG 解码器
热点事件持续更新
ThinkNet 用进化搜索压缩 MI-EEG 解码器
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Abdul Basit、Saim Rehman 和 Muhammad Shafique 发表 ThinkNet 框架，用仅训练集归一化、验证引导的进化搜索和验证门控推理，为跨被试运动想象 EEG 挑选紧凑解码器和推理策略。 在 BCI Competition IV-2a 四分类任务上，验证选出的解码器仅 4.9K 参数、19 KB FP32 权重，Orin CUDA 单样本推理 0.99 ms，准确率 44.35±15.41%；改用验证门控集成的准确率为 43.98±16.25%。这些结果由作者在论文中报告。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
ThinkNet：面向高效运动想象 EEG 分类的进化深度集成框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AIThinkNet：面向高效运动想象 EEG 分类的进化深度集成框架
ThinkNet 是一个验证控制的框架，结合仅训练集归一化、验证引导的进化搜索和验证门控推理，用于跨被试运动想象 EEG 解码。在 BCI Competition IV-2a 四分类任务上，其固定基准中验证选出的紧凑解码器仅 4.9K 参数、19 KB FP32 权重，Orin CUDA 单样本推理 0.99 ms，准确率 44.35±15.41%；验证门控集成提升至 43.98±16.25%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。