Пробуем KAN (Kolmogorov-Arnold Networks) для классификации данных ЭЭГ
Встретив статьи (1, 2, 3, 4) про новую архитектуру KAN (Kolmogorov‑Arnold Networks) мне захотелось её опробовать для классификации данных ЭЭГ т. к. KAN может быть эффективен для моделирования сложных нелинейных зависимостей.
Сразу оговорюсь, что из‑за ограниченного количества времени, было решено взять готовое исследование и на тех же данных опробовать KAN и по большей части на стандартных настройках.
Для классификации был взят датасет отсюда. Набор данных включает в себя 14 пациентов с параноидной шизофренией и 14 здоровых людей из контрольной группы. Данные были записаны с частотой дискретизации 250 Гц с использованием стандартной схемы размещения электродов 10–20 и 19 каналов ЭЭГ: Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, O2.
Обработка и фильтрация была выполнена из примера на гитхаб.
Первым был протестирован pykan с конфигурациями, представленными в таблице:
