Promptの説明

拡散畳み込みサブモジュールは、時空間動的モデリングモジュール内の主要な空間特徴抽出ユニットとして機能する。その主な機能は、動的グラフ構築サブモジュールによって生成されたスパースな動的隣接行列を利用して、動的トポロジー上でのノード特徴の多重次数有向拡散と多重スケール集約を実現することである。これにより、電極間の非線形な関数的結合と多ホップ空間依存性を正確に捉える。また、脳波信号の神経伝達の有向特性に適応し、従来のスペクトルグラフ畳み込みにおける方向性情報の損失を補償する。このモジュールは、「トポロジー生成-特徴拡散」を通じて動的グラフ構築サブモジュールと密接に連携する。動的グラフはサンプル固有の空間的関連制約を提供し、拡散畳み込みはこれらの制約に基づいて特徴の深層空間モデリングを完了させる。 (1) 多重次数有向拡散反復 拡散次数を (ハイパーパラメータ)、入力特徴テンソルを ( はバッチサイズ、 は特徴チャネル数、 はノード/電極数、 は時間ステップ数)、動的隣接行列を (動的グラフ構築サブモジュールによって「事前知識誘導 + データ駆動」の二重経路で生成され、Top-Kスパース化によって最適化される) とする。拡散プロセスは反復的に実行され、 回目の反復 (k=1,2,...,K) の特徴伝播式は次のとおりである。 (3-9) ここで、 は初期入力特徴、 はアインシュタインの縮約記法に基づくテンソル積演算子であり、特徴と隣接行列のバッチ行列演算を実現するために使用され、その具体的な要素計算式は次のとおりである。 (3-10) この式は、拡散プロセスの方向性と重み付け特性を明確に反映している。 サンプルの チャネル、 時間ステップにおけるノード の 次数拡散特徴 は、隣接行列要素 を重みとする、そのすべての先行ノード の 次数特徴の重み付き合計である。重み は動的グラフ構築サブモジュールによって生成され、ノード からノード への有向関連強度 (例えば、電極 から電極 へ神経信号が伝達される確率など) を直接表し、脳波神経信号の有向伝達特性と完全に一致する。 動的グラフ構築サブモジュールは、Top-Kスパース化最適化を通じて冗長な弱い接続を削除しているため、 はスパース行列であることに注意すべきである。上記の合計プロセスは、各ノードのTop-Kの強く相関する近傍のみを計算する必要があり、多重次数拡散の計算複雑さを大幅に削減し、弱い接続からのノイズ干渉を回避する。 (2) 多重スケール特徴融合 回の拡散反復後、異なるスケールの 特徴テンソル , ,..., が得られる (各テンソルの次元は であり、1次から 次までの近傍の特徴集約結果に対応する - つまり、 は直接近傍情報を統合し、 は2ホップ近傍情報を統合するなど)。多重スケール空間情報を完全に統合し、単一スケール特徴の制限を回避するために、これらの 特徴テンソルは、まず特徴チャネル次元に沿って連結され、連結された特徴テンソルが得られる。 (3-11) ここで はチャネル次元連結演算子である。連結後、 となり、そのチャネル数は初期チャネル数の 倍となり、局所からグローバルまでの多範囲空間特徴情報を統合する。 後続のモジュール接続と残差接続を容易にするために、特徴チャネル次元を統一する (入力チャネル数 と一致させる) ために、1×1畳み込みを使用して連結された特徴の次元を削減する。