EEG-TCNTransformer: मोटर इमैजरी ब्रेन-कंप्यूटर इंटरफेस के लिए एक टेम्पोरल कंवल्यूशनल ट्रांसफॉर्मर

ब्रेन-कंप्यूटर इंटरफेस मोटर इमैजरी (BCI-MI) सिस्टमों में, कंवल्यूशनल न्यूरल नेटवर्क्स (CNNs) पारंपरिक रूप से पसंदीदा डीप लर्निंग विधि रहे हैं, जिन्होंने अत्याधुनिक अध्ययनों में महत्वपूर्ण प्रगति दिखाई है। हाल ही में, ट्रांसफॉर्मर मॉडल्स, जो अटेंशन मेकानिज़्म का उपयोग करते हैं, एक परिष्कृत तकनीक के रूप में उभरे हैं, जो BCI-MI में दीर्घकालिक निर्भरताओं और जटिल फीचर संबंधों को बेहतर ढंग से पकड़ने में मदद करते हैं। यह शोध EEG-TCNet और EEG-Conformer मॉडल्स के प्रदर्शन की जांच करता है, जिन्हें विभिन्न हाइपरपैरामीटर्स और प्रीप्रोसेसिंग के दौरान बैंडपास फिल्टर्स का उपयोग करके प्रशिक्षित और मान्य किया गया है ताकि मॉडल की सटीकता में सुधार का आकलन किया जा सके। अतिरिक्त रूप से, यह अध्ययन EEG-TCNTransformer प्रस्तुत करता है, जो EEG-TCNet की कंवल्यूशनल आर्किटेक्चर को मल्टी-हेड संरचना का उपयोग करने वाले सेल्फ-अटेंशन ब्लॉक्स की एक श्रृंखला के साथ जोड़ता है। EEG-TCNTransformer बिना बैंडपास फिल्टरेशन के 82.97% सटीकता प्राप्त करता है। EEG-TCNTransformer का स्रोत कोड GitHub पर उपलब्ध है।