基于 Vision Transformer 与 EEG 数据的多任务工程设计意图识别方法

基于摘要分析。该研究面向工程产品设计中随任务与过程变化的设计意图，提出基于 Vision Transformer（ViT）和 EEG 数据的识别方法，旨在适应多种工程设计任务，并直接分析真实设计过程中的认知意图。 核心机制是将设计者的 EEG 数据组织成类图像表示矩阵，保留其空间与频率特征，再用于 ViT-based 设计意图识别模型。摘要描述了利用不同设计意图下的标准 EEG 数据及真实设计过程 EEG 数据进行训练与微调的流程，但未明确两类数据的具体构造、训练阶段分配、标签定义或微调策略，相关细节尚未验证。 论文还提出两类 EEG 数据的采集实验流程，并给出三个设计任务的详细示例。作者报告，对比实验与案例研究支持该方法的可行性；摘要未提供具体任务名称、被试数量、数据划分、对照方法、指标或数值，因此不能据此判断其相对性能，也不能将多任务场景下的可行性等同于跨被试或跨任务泛化。 复现时需重点核对类图像矩阵的空间布局与频率编码、设计意图的标注依据、标准数据与真实过程数据的分布差异，以及训练和测试的被试、任务与会话划分。“多任务”在摘要中指多个工程设计任务的应用场景，尚不足以确认模型采用了多任务学习目标。实验协议、消融及统计信息尚未验证；其对真实设计过程的识别价值仍需结合全文中的评估范围与结果判断。