論文の概要: Representational and Functional Robustness to Electrode Montages in EEG Foundation Models

• arxiv url: http://arxiv.org/abs/2609.36288v1
• Date: Mon, 28 Sep 2026 21:17:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.017493
• Title: Representational and Functional Robustness to Electrode Montages in EEG Foundation Models
• Title（参考訳）: 脳波基礎モデルにおける電極モンタージュの表現的・機能的ロバスト性
• Abstract要約: 本研究では,4つの脳波基礎モデルの結合機能および表現解析による電極モンタージュの影響について検討した。 異なるモンタージュを入力として受け入れるEEG-FMは、異なる電極構成で表現と予測が安定であることを保証するものではない。
• 参考スコア（独自算出の注目度）: 0.6157382820537719
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: EEG foundation models (EEG-FMs) are intended to generalize across different datasets by learning representations that, ideally, are invariant to dataset-specific EEG configurations such as electrode montages. However, EEG-FMs that accept different montages as input do not guarantee that representations and predictions remain stable across different electrode configurations, especially outside the training setting. In this work, we investigate the effects of different electrode montages through a joint functional and representational analysis of four EEG foundation models selected to span distinct montage-handling designs. We evaluate embeddings on cross-subject resting-state eyes-open/closed and within-subject motor-imagery classification under spatially informed channel reduction. Functional robustness is tested through the generalizability of linear probes across channel counts, while representational robustness is assessed through within-subject similarity and preservation of between-subject geometry. The four models show distinct robustness profiles, and the two axes dissociate: large changes in embedding similarity need not come with comparable probe degradation, and stable embeddings can still lose downstream performance. Comparing two readouts of the same encoder further shows that aggregation, not the encoder alone, determines functional robustness: pooling into anatomically aligned regions degrades less than a learned global readout, despite being montage-invariant by construction. Montage robustness is therefore a joint property of the encoder and its aggregation, and characterizing it requires both a representational and a functional axis. Input compatibility alone is evidence for neither.
• Abstract（参考訳）: EEGファンデーションモデル(EEG-FMs)は、理想的には、電極モンタージュのようなデータセット固有のEEG構成に不変な表現を学習することで、異なるデータセットをまたいだ一般化を意図している。 しかし、異なるモンタージュを入力として受け入れるEEG-FMは、特にトレーニング設定外において、異なる電極構成で表現と予測が安定であることを保証するものではない。 本研究では, 異なる電極モンタージュが, 異なるモンタージュハンドリング設計を対象とする4つの脳波基礎モデルの結合機能および表現的解析により, 異なる電極モンタージュの影響について検討する。 本研究では,空間的情報伝達チャネルの縮小の下で,物体間静止状態の眼/閉眼および物体内運動画像分類に対する埋め込みの評価を行った。 関数的ロバスト性は、チャネル数にわたる線形プローブの一般化性を通じてテストされ、一方、表現的ロバスト性は、内部オブジェクトの類似性と、物体間形状の保存によって評価される。 埋め込み類似性に大きな変化は、同等のプローブ劣化を伴う必要はなく、安定した埋め込みは、下流のパフォーマンスを損なう可能性がある。 同じエンコーダの2つのリードアウトを比較すると、アグリゲーションはエンコーダのみではなく機能的ロバスト性を決定する。 したがって、モンタージュのロバスト性はエンコーダとそのアグリゲーションの結合特性であり、表現軸と機能軸の両方を必要とする。 入力互換性だけでは、どちらも証拠ではない。

関連論文リスト

• LatentReRig: An SDF-Based VAE with Dual Decoders for Latent-Space Deformation Conditioning [0.0]
  LatentReRigは、学習された幾何学的潜在空間において、ポーズ関連の変化が再利用可能な方向として表現できるかどうかを調査する。 制御されたヒューマノイドデータセットの実験では、いくつかのポーズがアイデンティティをまたいだコヒーレントな潜在方向を誘導することを示した。
  論文  参考訳（メタデータ） (2026-09-21T21:49:59Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Rethinking Feature Alignment in Generalist Graph Anomaly Detection: A Relational Fingerprint-based Approach [60.199985286210904]
  Generalist Graph Anomaly Detection (GAD)は、グラフ固有のリトレーニングなしで、見えないグラフ上の異常を検出することを目的としている。 既存のアプローチは主に、異なる機能セマンティクスを無視したドメイン間の異種データの整合性に焦点を当てている。 We propose Fingerprint-based generalist GAD approach (ReFi-GAD)。 ReFi-GADは14のデータセットの実験において,最先端の手法よりも有意に優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-25T05:12:26Z)
• DARE-EEG: A Foundation Model for Mining Dual-Aligned Representation of EEG [25.4837936625773]
  両面共役表現学習によりマスク不変性を強制する自己教師型基礎モデルであるDARE-EEGを提案する。 具体的には、同一の脳波サンプルの複数のマスキングビューからの表現を制約するマスクアライメントを導入する。 また,不均一電極構成に事前学習した表現を適応させるパラメータ効率の手法であるconv-linear-probingを提案する。
  論文  参考訳（メタデータ） (2026-05-18T12:18:43Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Channel-Free Human Activity Recognition via Inductive-Bias-Aware Fusion Design for Heterogeneous IoT Sensor Environments [0.0]
  モノのインターネット(IoT)環境におけるヒューマンアクティビティ認識(HAR)は、異種センサー設定に対処しなければならない。 本研究では,単一共有モデルが入力チャネルの固定数,順序,意味的な配置を仮定することなく推論を行う,厳密なチャネルフリーHARについて検討する。 本稿では,チャネルワイドエンコーディングと共有エンコーダ,メタデータ条件付き遅延融合,チャネルレベルおよび融合予測の協調最適化を組み合わせたチャネルフリーHARフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T07:32:36Z)
• Structured Prototype-Guided Adaptation for EEG Foundation Models [56.35233377493694]
  脳波基礎モデルでは、主観レベルの監督が限定されている場合、一般化が不十分であることが示されている。 この失敗は、ノイズ、限られた監督とEMFの高可塑性パラメータ空間の間の構造的ミスマッチに起因する。 EFMファインチューニングのための構造化COnfidence対応プロトタイプ誘導適応フレームワークSCOPEを提案する。
  論文  参考訳（メタデータ） (2026-02-19T10:54:29Z)
• Half-AVAE: Adversarial-Enhanced Factorized and Structured Encoder-Free VAE for Underdetermined Independent Component Analysis [0.0]
  本研究では, 独立成分分析(ICA)における課題に, 決定条件と決定条件の両方で対処することで, 変分オートエンコーダ(VAE)フレームワークを改良する。 提案されたHalf Adversarial VAEは、エンコーダフリーのHalf-VAEフレームワークに基づいており、未決定シナリオに取り組むための明示的な逆マッピングを排除している。
  論文  参考訳（メタデータ） (2025-06-08T06:29:53Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Ensemble of Pre-Trained Neural Networks for Segmentation and Quality Detection of Transmission Electron Microscopy Images [0.0]
  この研究では、事前学習されたニューラルネットワークの2種類のアンサンブルが実装された。 アンサンブルは2相混合で氷結晶のセマンティックセグメンテーションを行った。 EAとERのパフォーマンスは,精度,キャリブレーション,不確実性の3つの指標で評価した。
  論文  参考訳（メタデータ） (2022-09-05T11:15:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。