Agyi jelekből jósolja meg a szavak hosszát a NeuralSet és mélytanulás
A modern neuroAI-folyamat lehetővé teszi, hogy a nyers agyi aktivitásból, például a MEG-adatokból, értelmes előrejelzéseket készítsenek a szavak hosszáról.
Közvetlenül agyi jelekből lehet nyelvi jellemzőket dekódolni egy új, végpontok közötti rendszerrel — írja Sana Hassan a MarkTechPoston megjelent cikkében. A megközelítés a NeuralSet keretrendszert és konvolúciós neurális hálózatokat (CNN) használja a nyers idegi aktivitás értelmes előrejelzésekké alakítására.
A rendszer a MEG-adatokból (magnetoenkefalográfia) képes megbecsülni a szavak hosszát. A kutatók részletesen bemutatják a környezet beállítását, az idegi események betöltését és feldolgozását, valamint egy egyedi jellemző-kinyerő és egy strukturált adatfolyam kiépítését a NeuralSet segítségével. Ezután egy CNN-t tanítanak be a MEG-jelek időbeli és térbeli mintázatainak felismerésére.
A munkafolyamat során a tisztaságra és a modularitásra fókuszáltak, ezzel tükrözve a valós neuroAI kutatási gyakorlatokat. A NeuralSet és a mélytanulás kombinációja lehetővé teszi, hogy az agyi válaszokból közvetlenül vonjanak le következtetéseket a nyelvi adatokra vonatkozóan.
A rendszer telepítéséhez és működtetéséhez olyan alapvető csomagok szükségesek, mint a NumPy és a NeuralSet. A kutatók gondoskodtak arról, hogy a függőségek megfelelően legyenek konfigurálva, elkerülve a futásidejű problémákat. A modell betanításához a Fake2025Meg, Test2025Meg vagy Test2023Meg nevű MEG-adatkészleteket használják.