शोधकर्ताओं ने CoCoT का परिचय दिया, जो एक नया कंट्रास्टिव-प्रीट्रेन्ड फाउंडेशन मॉडल है जिसे गैर-आक्रामक इलेक्ट्रोएन्सेफेलोग्राम (EEG) डिकोडिंग में मास्क्ड रिकंस्ट्रक्शन दृष्टिकोणों की सीमाओं को दूर करने के लिए डिज़ाइन किया गया है। आर्किटेक्चर उच्च-शोर वाले डेटा और संकीर्ण फ्रीक्वेंसी बैंड तक सीमित जानकारी को बेहतर ढंग से संभालने के लिए मल्टीस्केल टाइमल कनवोल्यूशन इनपुट परतों को ट्रान्सफॉर्मर एन्कोडर ब्लॉक के साथ जोड़ता है।
- CoCoT विषम इलेक्ट्रोड कॉन्फ़िगरेशन वाले व्यापक बेंचमार्क डिकोडिंग कार्यों में राज्य-की-कला रिकंस्ट्रक्शन-प्रीट्रेन्ड EEG मॉडल्स के बराबर या उनसे बेहतर प्रदर्शन करता है।
- शून्य से प्रशिक्षित मॉडल पूर्ववर्ती सिंगल-टास्क डिकोडिंग मॉडल्स को पछाड़ते हैं और प्रीट्रेन्ड मॉडल्स के बराबर प्रतिस्पर्धा करते हैं, उच्च लचीलेपन और डेटा दक्षता को प्रदर्शित करते हुए।
- व्यवस्थित अबलेशन कंट्रास्टिव लर्निंग की EEG फाउंडेशन मॉडल बनाने के लिए वैधता की पुष्टि करते हैं और महत्वपूर्ण आर्किटेक्चरल डिज़ाइन विचारों को उजागर करते हैं।
अध्ययन दिखाता है कि कंट्रास्टिव प्रीट्रेनिंग EEG फाउंडेशन मॉडल्स के लिए एक वैध रणनीति है, जो पारंपरिक मास्क्ड रिकंस्ट्रक्शन विधियों के लिए एक प्रभावी विकल्प प्रदान करती है।