मैं सोच रहा हूं कि एक ईईजी संदर्भ में एक आवर्तक वास्तुकला की व्याख्या कैसे करें। विशेष रूप से मैं इसे एक आवर्तक CNN (LSTM जैसे आर्किटेक्चर के विपरीत) के रूप में सोच रहा हूं, लेकिन शायद यह अन्य प्रकार के आवर्तक नेटवर्क पर भी लागू होता है
जब मैं आर-सीएनएन के बारे में पढ़ता हूं, तो उन्हें आमतौर पर छवि वर्गीकरण संदर्भों में समझाया जाता है। वे आम तौर पर "समय के साथ सीखने" या "वर्तमान इनपुट पर समय -1 के प्रभाव सहित" के रूप में वर्णित हैं
ईईजी डेटा के साथ काम करने पर यह व्याख्या / स्पष्टीकरण वास्तव में भ्रमित हो जाता है। ईईजी डेटा पर उपयोग किए जा रहे आर-सीएनएन का एक उदाहरण यहां पाया जा सकता है
कल्पना कीजिए कि मेरे पास प्रत्येक 1x512 सरणी से प्रशिक्षण उदाहरण हैं। यह सरणी 512 लगातार समय बिंदुओं पर 1 इलेक्ट्रोड के लिए एक वोल्टेज रीडिंग को पकड़ती है। अगर मैं इसे एक आवर्तक CNN (1D संकल्पों का उपयोग करके) के रूप में उपयोग करता हूं, तो मॉडल का आवर्तक भाग वास्तव में "समय" पर कब्जा नहीं कर रहा है, है ना? (जैसा कि पहले चर्चा किए गए विवरण / स्पष्टीकरण द्वारा निहित होगा) क्योंकि इस संदर्भ में समय पहले से ही सरणी के दूसरे आयाम द्वारा कब्जा कर लिया गया है
तो इस तरह से एक सेटअप के साथ, नेटवर्क का आवर्तक हिस्सा वास्तव में हमें मॉडल करने की अनुमति देता है जो एक नियमित सीएनएन (यदि समय नहीं है) नहीं कर सकता है?
यह मुझे लगता है कि आवर्तक का मतलब सिर्फ एक कनवल्शन करना है, मूल इनपुट के परिणाम को जोड़ना, और फिर से हल करना। यह आवर्ती चरणों की x संख्या के लिए दोहराया जाता है। यह प्रक्रिया वास्तव में क्या लाभ देती है?