Subject Representation Learning from EEG using Graph Convolutional Variational Autoencoders

We propose GC-VASE, a graph convolutional-based variational autoencoder that leverages contrastive learning for subject representation learning from EEG data. Our method successfully learns robust subject-specific latent representations using the split-latent space architecture tailored for subject...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the ... IEEE International Conference on Acoustics, Speech and Signal Processing (1998) s. 1 - 5
Hlavní autoři:	Mishra, Aditya, Samin, Ahnaf Mozib, Etemad, Ali, Hashemi, Javad
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 06.04.2025
Témata:	Accuracy Adaptation models Adapters Autoencoders Brain modeling Computational modeling Contrastive learning EEG Electroencephalography GNNs Medical diagnosis Representation learning Speech processing
ISSN:	2379-190X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!