DA2Mel：一种用于脑电图到梅尔频谱重建的双动态自适应网络

《ACM Transactions on Autonomous and Adaptive Systems》：DA2Mel: A Dual-Dynamic Adaptive Network for EEG-to-Mel Spectrogram Reconstruction

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

将神经活动解码为自然语音是认知神经科学和脑机接口领域的前沿课题。现有方法在解码连续长序列语音时忽视了两个关键问题：单个脑电图（EEG）信号内显著的被试间差异和大幅的时域波动，以及声学特征中固有的横向稀疏性。为了解决这些问题，本文提出了 DA2Mel，一种双动态自适应网络，能够增强对非平稳神经信号的感知。动态被试特定记忆整合器（DSSM）利用身份感知记忆和动量更新机制形成自适应闭环，适应来自被试间和被试内变化的 EEG 分布漂移，与动态生理状态对齐，并确保长期稳健性。双路径空间-通道处理器（DP-SCP）提取关键通道信息，融合多尺度空间特征，并桥接全局趋势与局部细节。此外，堆叠细粒度模块（SFGM）采用内容感知自适应机制，将局部卷积与部分 Top-$k$ 稀疏注意力相结合。SFGM 通过根据声学特征的瞬时稀疏性动态重构表示权重，蒸馏关键特征，并在噪声条件下优化语义。在 SparrKULee 数据集上的实验结果表明，DA2Mel 在留出版本（Held-out Stories）和留出被试（Held-out Subjects）两种设置下均优于当前最先进的方法，验证了我们框架在连续语音解码方面的优越性。

AI 摘要

AI 生成摘要（实验性）

本摘要使用自动化工具生成，未经本文作者撰写或审核。它旨在支持文献发现、帮助读者评估相关性，并协助相邻研究领域的读者理解本文工作。它作为作者提供的摘要的补充，作者提供的摘要仍然是论文的主要概述。全文仍是权威版本。点击此处了解更多。

点击 此处 对本摘要的准确性、清晰度和实用性发表评论。这将有助于改进并生成未来的更新版本。

要查看此 AI 生成的通俗摘要，您必须具有高级访问权限。