RAG-based EEG-to-Text Translation Using Deep Learning and LLMs

En 3 lignesPipeline RAG pour décoder du texte à partir de signaux EEG en utilisant un encodeur EEG aligné sur des embeddings sémantiques, une étape de récupération vectorielle et un LLM. Sur le dataset ZuCo, la méthode surpasse la baseline aléatoire avec une similarité cosinus de 0.181±0.022 vs 0.139±0.029 (amélioration de 30.45%), sans teacher forcing à l'inférence.

Résumé généré par Claude — vérifié par l'humain