Optimizarea Hiperparametrilor Adaptivă folosind Optuna Hibrid și Q-Learning în Clasificarea Convulsiilor EEG

Acesta este un preprint: un studiu făcut public înainte de recenzarea de către alți specialiști (peer review). Rezultatele sunt preliminare și se pot schimba — tratează-le cu prudență.

Acest studiu propune un cadru adaptiv de optimizare a hiperparametrilor care combină optimizarea Bayesiană (Optuna) cu învățarea prin întărire (Q-Learning) pentru a îmbunătăți clasificarea criza epileptice bazată pe EEG utilizând un model de învățare profundă GRU-HiBERT-MLP. Abordarea a obținut o acuratețe de clasificare de 93,10% și un scor ROC-AUC de 0,9774 pe setul de date CHB-MIT, demonstrând o stabilitate de convergență și o performanță superioare comparativ cu metodele de optimizare independente.