DECODE: EEG予測のための二重強化条件付き拡散
arXiv cs.LG / 2026/3/19
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- DECODEは、自然言語からの意味的ガイダンスと歴史的信号ダイナミクスを統合して、イベント特異的な神経活動を予測するEEG予測のための二重強化条件付き拡散フレームワークを導入します。
- この手法は、事前学習済みの言語モデルを活用して拡散過程を認知イベントのテキスト記述で条件付けし、歴史ベースのLangevin力学を用いて時間的一貫性を維持します。
- 実世界の運転タスクデータセットにおいて、5つの挙動を含む場面で、DECODEは75タイムステップにわたり、サブマイクロボルトの予測精度（MAE 約0.626マイクロボルト）を達成し、適切に校正された不確実性推定を提供します。
- このアプローチは、新規の挙動に対するゼロショット一般化を可能にし、意味記述に条件付けられた生理学的に妥当なEEG軌跡を生成し、より解釈可能なBCIを支援します。
