Alljoined-1.6M: A Million-Trial EEG-Image Dataset for Evaluating Affordable Brain-Computer Interfaces
Our contributions are three-fold:
1. Dataset: We release Alljoined-1.6M as part of the THINGS initiative, a large scale EEG
dataset of visual perception containing 32-channel recordings from 20 participants, 4 sessions each, totaling 1.6 M trials across 16,740 unique images, all collected on affordable
EEG hardware (Fig. 1A,B).
2. Benchmarks and Decoding Analysis: We provide extensive benchmarks and analysis
of existing EEG-to-Image reconstruction, retrieval, and semantic decoding models on our
dataset, setting a baseline for future research developing methods for decoding affordable
EEG responses to visual stimuli.
3. Scaling and Cost Analysis: We conduct a detailed analysis of the within-subject scaling
properties of our dataset, finding that, despite the lower SNR, decoding performance still
increases log-linearly no signs of saturation, demonstrating that scaling is still an effective
approach for improving decoding performance on consumer-grade EEG hardware. We also
demonstrate (in Fig. 1C) the degree of financial investment necessary to obtain certain
benchmarks for decoding performance.
1. Dataset: We release Alljoined-1.6M as part of the THINGS initiative, a large scale EEG
dataset of visual perception containing 32-channel recordings from 20 participants, 4 sessions each, totaling 1.6 M trials across 16,740 unique images, all collected on affordable
EEG hardware (Fig. 1A,B).
2. Benchmarks and Decoding Analysis: We provide extensive benchmarks and analysis
of existing EEG-to-Image reconstruction, retrieval, and semantic decoding models on our
dataset, setting a baseline for future research developing methods for decoding affordable
EEG responses to visual stimuli.
3. Scaling and Cost Analysis: We conduct a detailed analysis of the within-subject scaling
properties of our dataset, finding that, despite the lower SNR, decoding performance still
increases log-linearly no signs of saturation, demonstrating that scaling is still an effective
approach for improving decoding performance on consumer-grade EEG hardware. We also
demonstrate (in Fig. 1C) the degree of financial investment necessary to obtain certain
benchmarks for decoding performance.
EEG workshop
کنارهگیری یکی از استادان برجسته دانشگاه هنگکنگ (HKU) به دلیل رسوایی مربوط به استفاده از هوش مصنوعی در مقالات علمی. داستان از این قرار است: ۱. اصل ماجرا پروفسور «شن گوجون» (Shen Guojun)، که به عنوان معاون دانشکده (Associate Dean) در دانشکده بازرگانی و اقتصاد…
در استفاده از هوش مصنوعی مولد مراقب توهم hallucination باشید مخصوصا در قسمت تولید مراجع. حتما از وجود مراجع داده شده با جستجوی اینترنتی مطمئن شوید
#فراخوان
🔰 *اعلام فراخوان «حمایت از پژوهشهای عمیق شرکتهای دانشبنیان» با اولویت پژوهشهای مرتبط با فناوریهای پیشران و اقتدار آفرین*
🔻مخاطب این برنامه، همه انواع شرکتهای دانشبنیانی هستند که میخواهند با هدف تولید محصولات نسل جدید، نیاز پژوهشی خود را به پژوهشگران مؤسسات علمی (دانشگاه و پژوهشگاه) برونسپاری نمایند و این حمایت به واسطه مشارکت مالی بنیاد ملی علم و شرکت متقاضی به پژوهشگر منتخب اعطا خواهد شد.
🔸حوزههای اولویتدار این فراخوان مطابق بند «ت» ماده ۹۹ برنامه هفتم پیشرفت هستند، به شرح ادامه میباشد : هوش مصنوعی، کوانتوم، زیست مهندسی، مواد و ساخت پیشرفته، ریزفناوری و ریزالکترونیک (میکروالکترونیک)، فناوریهای عصبی و مغز و علوم شناختی
🔹از تمامی شرکتهای متقاضی و مجریان درخواست میشود مسائل و چالشهای خود را با ایمیل hatamkhani.a@insf.org در میان بگذارید یا جهت برقراری تماس و دریافت اطلاعات بیشتر با شماره ۰۲۱۸۲۱۶۱۱۵۰ تماس حاصل فرمایید. برای طرح سوالات و رفع ابهامات میتوانید عضو [گروه بله مرتبط با برنامه](http://ble.ir/join/2z8bguFKyi) شوید.
📎 جزئیات 👇
🌐 https://insf.org/fa/news/1460
🆔@insf_pr
🔰 *اعلام فراخوان «حمایت از پژوهشهای عمیق شرکتهای دانشبنیان» با اولویت پژوهشهای مرتبط با فناوریهای پیشران و اقتدار آفرین*
🔻مخاطب این برنامه، همه انواع شرکتهای دانشبنیانی هستند که میخواهند با هدف تولید محصولات نسل جدید، نیاز پژوهشی خود را به پژوهشگران مؤسسات علمی (دانشگاه و پژوهشگاه) برونسپاری نمایند و این حمایت به واسطه مشارکت مالی بنیاد ملی علم و شرکت متقاضی به پژوهشگر منتخب اعطا خواهد شد.
🔸حوزههای اولویتدار این فراخوان مطابق بند «ت» ماده ۹۹ برنامه هفتم پیشرفت هستند، به شرح ادامه میباشد : هوش مصنوعی، کوانتوم، زیست مهندسی، مواد و ساخت پیشرفته، ریزفناوری و ریزالکترونیک (میکروالکترونیک)، فناوریهای عصبی و مغز و علوم شناختی
🔹از تمامی شرکتهای متقاضی و مجریان درخواست میشود مسائل و چالشهای خود را با ایمیل hatamkhani.a@insf.org در میان بگذارید یا جهت برقراری تماس و دریافت اطلاعات بیشتر با شماره ۰۲۱۸۲۱۶۱۱۵۰ تماس حاصل فرمایید. برای طرح سوالات و رفع ابهامات میتوانید عضو [گروه بله مرتبط با برنامه](http://ble.ir/join/2z8bguFKyi) شوید.
📎 جزئیات 👇
🌐 https://insf.org/fa/news/1460
🆔@insf_pr
#فراخوان
🔰 *اعلام فراخوان ذیل برنامه حمایت از پژوهش عمیق شرکتهای دانشبنیان؛ فراخوان «توسعه سیستم مکانیابی دقیق با حداکثر خطای قابل قبول مبتنی بر فیوژن سنسور برای هدستهای واقعیت افزوده در جراحی مغز و اعصاب»*
🔻بنیاد ملی علم ایران در راستای مأموریتگراشدن پژوهشها و حمایت از طرحهای پژوهشی که به فناوری روز دنیا میپردازد و میتواند باری از دوش صنعتگران کشور بردارد، فراخوانهایی را با عنوان برنامه حمایت از پژوهش عمیق شرکتهای دانشبنیان منتشر میکند.
🔸 «توسعه سیستم مکانیابی دقیق با حداکثر خطای قابل قبول مبتنی بر فیوژن سنسور برای هدستهای واقعیت افزوده در جراحی مغز و اعصاب» به عنوان یکی دیگر از فراخوانهای این برنامه، منتشر میشود.
🔹کلیه افراد واجد شرایط به مدت یک ماه از تاریخ انتشار فراخوان یعنی تا ۴ شهریور فرصت دارند که پروپوزال خود را از طریق [سامانه کایپر](https://rtms.insf.org/) برای بنیاد ملی علم ایران ارسال نمایند.
📎 جزئیات 👇
🌐https://insf.org/fa/news/1039
🆔@insf_pr
🔰 *اعلام فراخوان ذیل برنامه حمایت از پژوهش عمیق شرکتهای دانشبنیان؛ فراخوان «توسعه سیستم مکانیابی دقیق با حداکثر خطای قابل قبول مبتنی بر فیوژن سنسور برای هدستهای واقعیت افزوده در جراحی مغز و اعصاب»*
🔻بنیاد ملی علم ایران در راستای مأموریتگراشدن پژوهشها و حمایت از طرحهای پژوهشی که به فناوری روز دنیا میپردازد و میتواند باری از دوش صنعتگران کشور بردارد، فراخوانهایی را با عنوان برنامه حمایت از پژوهش عمیق شرکتهای دانشبنیان منتشر میکند.
🔸 «توسعه سیستم مکانیابی دقیق با حداکثر خطای قابل قبول مبتنی بر فیوژن سنسور برای هدستهای واقعیت افزوده در جراحی مغز و اعصاب» به عنوان یکی دیگر از فراخوانهای این برنامه، منتشر میشود.
🔹کلیه افراد واجد شرایط به مدت یک ماه از تاریخ انتشار فراخوان یعنی تا ۴ شهریور فرصت دارند که پروپوزال خود را از طریق [سامانه کایپر](https://rtms.insf.org/) برای بنیاد ملی علم ایران ارسال نمایند.
📎 جزئیات 👇
🌐https://insf.org/fa/news/1039
🆔@insf_pr
VoxNeuro announced U.S. Food and Drug Administration (FDA) 510(k) clearance for its Cognitive Function Neuroimaging (cfNI) software, a prescription-use Software as a Medical Device that provides post-hoc statistical analysis of EEG and event-related potentials (ERPs) in adults ages 18 to 70
https://www.mpo-mag.com/breaking-news/fda-oks-voxneuros-objective-eeg-erp-brain-health-assessment-software/
https://www.mpo-mag.com/breaking-news/fda-oks-voxneuros-objective-eeg-erp-brain-health-assessment-software/