# Kế hoạch tăng raw accuracy (07/11/2026)

Mục tiêu: tăng **Acc theo người** trên AASD, Carta, LODO (5 dataset, AVGC riêng). Metric mới: `κ = max(0, 2·Acc − 1)`, `H = 2κL/(κ+L)`. +1 điểm Acc ≈ +0,018 H trên LODO, +0,03–0,04 trên AASD/Carta; L gần như không quan trọng. Mọi H dưới đây là metric mới, scorer `inclusive` tạm (chưa đối chiếu code BTC). Chi tiết: `REAL_SWITCH_STRATEGY.md` §10–11.

Ràng buộc: nhãn tại t chỉ dùng chính trial đến t + 1 s; không ID, thứ tự cột, vị trí, lịch switch; không mang trạng thái qua trial. Bộ lọc học trên dữ liệu train rồi áp cố định là hợp lệ; thích nghi nhân quả trong trial là hợp lệ. Tập test chỉ có EEG (thô 128 Hz và bản 1–9 Hz 32 Hz) + envelope, không có audio.

## 1. Mốc hiện tại (4 decoder + 4 DirectNet `sw2`, HMM 0,998)

| | LODO | AVGC | AASD | Carta |
|---|---|---|---|---|
| H | 0,620 | 0,532 | 0,106 | 0,306 |
| Acc % | 73,4 | 68,8 | 52,8 | 59,2 |

Trần decoder tuyến tính (R2, cửa sổ 10 s): AASD chỉ 55 % kể cả train riêng từng người → AASD gần như không cứu được; Carta 62 %; DTU, KUL 73 %.

## 2. Đã làm (tóm tắt)

| Nhóm | Thí nghiệm | Kết quả | Trạng thái |
|---|---|---|---|
| Hậu xử lý | B1 semi-Markov | thật +0,005..0,016, synthetic −0,002..−0,016 (metric cũ) | giữ, tham số chưa chốt |
| | B2 BOCPD | không hơn HMM p 0,95 | dừng |
| | B3 luật học được (V2) | LODO 0,641 (cao nhất) nhưng Carta 0,142 | giữ để nghiên cứu |
| | R1 lưới a × p_stay | chỉ đánh đổi LODO ↔ thật, ±0,5 điểm Acc | xong |
| Tăng cường | C1 cross-fade, C3 lơ là, C5 montage | real ±0,01, LODO giảm hoặc trong nhiễu | chờ quyết định |
| | C2 trễ nhãn, C4 babble, C6 co giãn, C7 vắt switch thật | không đạt | dừng |
| | Recipe 4+4 (gain, che thời gian, switch số lần thay đổi, aux rate) | LODO −0,004, real trong nhiễu | chờ quyết định |
| Dữ liệu thật | A1–A3 train trên switch thật | không vượt mốc, LODO giảm | dừng |
| Mô hình | Transformer tầng 2 nested | LODO/AVGC tăng, thật giảm; trộn 25–50 % giữ thật | chờ quyết định |
| | BMMS3 (BMMSNet + tăng cường EEG + 3 đặc trưng) | Acc Carta +1,9 điểm; 4+4+4: Carta H 0,322 (+0,016), LODO 0,618 | **giữ (08/11), vào bản chính 4+4+4; cần leakage test** |
| | 4+4+4+4 (Transformer + BMMS3 w 0,10) | LODO 0,632, Carta 0,302 | ứng viên |
| | Mô hình nền tảng (CBraMod, LaBraM, EEGPT, BIOT, BrainOmni): backbone, LP-FT, front khoá | không vượt `vlaai_ws` | dừng |
| | Decoder một đặc trưng (đọc từ decoder 3 đặc trưng) | env 0,524, onset 0,532, dom 0,534, cả 3 LDA 0,561 | phân tích |
| Đã thua từ trước | CCA, FBCCA, WF, VLAAI gốc, SSMamba, Deformer, ADT, HappyQuokka, InfoNCE, đối kháng miền, gamma 30–48 Hz, dải delta/theta, giải mã hướng (FBCSP/Riemann), tự thích nghi nhãn giả, whitening thời gian | | dừng |
| Đối chứng | EEG = 0, dịch nửa trial, **bỏ kênh trán**, chỉ kích thích | 0,50 / 0,50 / **như thường (±0,004)** / ≈ 0,50: mô hình không dựa vào mắt | sạch |

## 3. Đang chạy

| Job | Nội dung | Kết quả ở |
|---|---|---|
| queue `m1` | M1, nhánh decoder một đặc trưng, hướng 3: **xong 08/11** (xem F6 kết quả) | `results/research/m1_seed_ensemble_summary.txt`, `st_ensemble_summary.txt`, `lag_methods_summary.txt` |
| queue `st` | Decoder train riêng env / onset / dom, 4 seed; nhánh ensemble mới | `results/research/st_ensemble_summary.txt` |

## 4. Hướng mới

### A. Lọc tín hiệu mắt: **bỏ (người dùng, 07/11)**

Không chạy A1–A6 (SSP, hồi quy EOG ảo, ICA, ASR, tăng cường chớp mắt, chẩn đoán). Lý do: bỏ kênh trán không đổi Acc (±0,004), mô hình không dựa vào mắt, kỳ vọng thấp.

### B. Tăng tín hiệu (SNR) của EEG đối với kích thích

| # | Thí nghiệm | Căn cứ | Chi phí |
|---|---|---|---|
| B1 | Dải rộng hơn từ EEG thô 128 Hz: 0,5–16 / 1–32 Hz, 64 Hz, lọc IIR một chiều (thay bản 1–9 Hz 32 Hz) | Liang 2026 dùng 1–32 Hz; ta chưa thử dải rộng trên `eaP` | prep mới + train |
| B2 | Bộ lọc không gian Laplacian / bipolar | cache `lap_eaP`, `bipolar_eaP` đã có (29/10) nhưng chưa có kết quả | rẻ |
| B3 | DSS / MCCA cố định học trên corpus | lọc không gian tối đa phần đáp ứng chung với kích thích (de Cheveigné); làm front-end hoặc kênh phụ | trung bình |
| B4 | Giá trị quần thể của căn chỉnh Euclid từ toàn bộ train (hiện chỉ Fuglsang) | R6 | rẻ |
| B5 | Lọc dữ liệu train: giảm trọng số người / trial gần ngẫu nhiên (đo bằng LOSO) | người gần 50 % chỉ thêm nhiễu nhãn | CPU + train |
| B6 | Đặc trưng kích thích: đạo hàm, log-envelope, onset nhiều thang (M8) | test chỉ có envelope | rẻ |
| B7 | Thêm dữ liệu pretrain: Broderick/Cocktail Party (đã tải), bộ AAD công khai khác | dữ liệu là đòn bẩy khi khác người | GPU, kiểm tra giấy phép |

### C. Mô hình

| # | Thí nghiệm | Căn cứ |
|---|---|---|
| M1 | 8 → 16 seed, snapshot ensemble | đang chạy; đội thắng ICASSP 2024 +2,8 điểm |
| M3 | Classifier nút thắt tương quan kiểu AADNet | tốt nhất khi khác người; BMMS (so khớp) là thân duy nhất tăng Acc thật |
| M4 | Nhánh nhân quả / phi nhân quả dùng hết lookahead 1 s (CA-TCN) | +0,5..3,2 % so với AADNet |
| M5 | Cửa sổ 15–30 s hoặc đa cửa sổ | Acc tăng theo cửa sổ; rủi ro AASD |
| M6 | Chưng cất thầy 30 s → trò 10 s | |
| M7 | Một thân hai đầu (tái tạo + phân loại) | Tanveer 2026 |
| E1 | EEGNet / ShallowConvNet / Conformer | chưa thử |

### F6. Phân tích AVGC (07/11, evidence mốc 4+4, hiệu chỉnh LODO kiểu cũ, Acc theo khung không HMM)

| Quan sát | Số liệu |
|---|---|
| Yếu đều ở cả hai nhánh | d' decoder 0,156 (khác 0,20–0,24), DirectNet 0,463 (khác 0,59–0,66): cùng giảm 25–30 % |
| Yếu đều ở mọi người | Acc khung 64,6 % (khác 68,7–70,4); độ lệch giữa người 4,0 điểm (khác 4,1–7,6), giữa trial 7,1 (khác 7,8–13,3): cả dataset dịch xuống, không do vài trial hỏng |
| Điều kiện nhìn ảnh hưởng nhỏ | FixedVideo 65,5, MovingVideo 65,0, NoVisuals 64,4, MovingTargetNoise 63,5 |
| Không mỏi theo thời gian | 2 phút đầu 62–63 %, sau đó 64–66,5 % |
| **Tụt sau khi hai người nói đổi bên ở giây 300** | 240–300 s: 66,3 → 300–360 s: 63,9 (−2,5; 9/13 người); DirectNet −3,1, decoder −1,7; đối chứng ở 180 s: −0,9, ở 420 s: +0,1 |
| Chỉ AVGC có đổi bên | AVGC 99/99 trial đổi bên (±90°); DTU, KUL, UHD, USTC: 0 trial |
| Độ trễ EEG–envelope ngắn bất thường (EDA) | đỉnh tương quan 94 ms (khác 140–190 ms) |
| Truyện nghe | trung bình theo truyện được chú ý lệch 4,5 điểm (3 trial/truyện); bằng chứng yếu |
| Người ngoại lệ | AVGC-13: 54–59 % ở mọi điều kiện |

Giả thuyết (chưa kiểm chứng; xếp theo mức hỗ trợ):
1. **Lệch thời gian EEG–envelope** (~50–90 ms sớm hơn các dataset khác): mô hình học độ trễ của dataset khác nên khớp kém đều ở mọi nhánh. Thử: chấm AVGC khi dịch envelope ±1–3 mẫu (32 Hz) bằng mô hình sẵn có (chỉ chẩn đoán).
2. **Mô hình dùng mẫu EEG phụ thuộc phía người nói** (không train trên trial đổi bên): tụt sau giây 300, mạnh hơn ở DirectNet. Thử: tăng cường soi gương bán cầu (đổi điện cực trái ↔ phải khi train, p 0,5); kiểm tra trên LODO và thật.
3. **Chú ý bị chia do nhiệm vụ nhìn / podcast dài 10 phút**: tracking yếu thực sự. Điều kiện nhìn chỉ đổi ≤ 2 điểm, NoVisuals không tốt hơn → hỗ trợ yếu. Thử: trần tuyến tính trong AVGC (LOSO, train riêng từng người) như R2; nếu trần cũng thấp → bản chất dataset.
4. Độ khó theo truyện và người (AVGC-13): góp phần nhỏ.

Đã xếp hàng (07/11, queue `m1`, trước M1/ST còn lại): `a0_avgc_diag` (`avgc_diag.py`: GT1 dịch kích thích ±1–3 mẫu trên trọng số fold DirectNet `sw2` 4 seed + BMMS3 2 seed, AVGC và DTU đối chứng; GT3 trần tuyến tính XDS / LOSO / SS trong AVGC), `a1_mirror_s0/s1` (GT2, DirectNet `sw2` + `p_mirror=0.5`), `a2_mirror_score` (`mirror_score.py`). Kết quả: `results/research/avgc_diag_summary.txt`, `mirror_score_summary.txt`.

### D. Bộ quyết định và thích nghi (trần thấp)

R8 AdaBN nhân quả trong trial; R9 tầng 2 tối ưu Acc; chốt B1 theo metric mới.

### E. Nhóm P (P1–P5): bỏ khỏi danh sách (người dùng, 07/11)

## 5. Thứ tự đề xuất

1. Chờ M1 và nhánh `st`.
2. Rẻ, nhiều thông tin: B2 (cache sẵn), B4, B5.
3. Tốn hơn: B1 dải rộng, M3, B3.
4. Sau đó: M4, M5/M6, B7, M7.

Tiêu chí giữ: ≥ 2 seed cùng seed với mốc; Acc thật tăng ≥ 0,5 điểm và Acc LODO không giảm quá 0,5 điểm; qua đổi cột, bất biến vị trí, lookahead. Người dùng quyết định giữ / bỏ.

## 6. Nguồn

- de Cheveigné et al. 2018, CCA cho đáp ứng kích thích: https://discovery-pp.ucl.ac.uk/id/eprint/10067228/1/2018_Neuroimage_CCA.pdf ; MCCA sâu: https://arxiv.org/pdf/2103.06478 ; CLASH: https://arxiv.org/html/2302.01924v2
- Liang et al. 2026, loss PCC tương phản, EEG 1–32 Hz: https://www.arxiv.org/pdf/2601.20542
- Thornton et al., ICASSP 2024 (gamma + envelope, trung bình 16 bản): https://arxiv.org/pdf/2401.17380
- AADNet: https://arxiv.org/html/2410.13059v2 ; CA-TCN: https://arxiv.org/pdf/2603.26394
- Ear-EEG tuyến tính / phi tuyến: https://arxiv.org/pdf/2401.05187

### F6 kết quả (08/11)

- **GT1 lệch thời gian: xác nhận, riêng AVGC.** Dịch kích thích sớm 31 ms: AVGC DirectNet 66,4 → 69,1 %, BMMS3 65,2 → 66,7 %, decoder tuyến tính (cửa sổ 10 s) 63,4 → 67,9 %. DTU đạt đỉnh ở 0 (DirectNet 72,4 %; −31 ms còn 68,2 %). Một độ dịch chung cho mọi dataset **không** hợp lý (hướng 1 loại).
- **GT2 lật điện cực: không ủng hộ.** DirectNet `sw2` + lật: AVGC −1,6, Carta −0,8, LODO −0,5 điểm Acc; cú tụt sau giây 300 không đổi (−2,2 so với −2,3). Đề nghị dừng.
- **GT3 trần tuyến tính trong AVGC (cửa sổ 10 s):** LOSO 62,6 %, train riêng từng người 68,9 %, train trên dataset khác 63,4 % (67,9 % khi dịch −31 ms); DTU 68,3 / 73,1 / 70,5. AVGC thấp hơn DTU khoảng 5 điểm ngay cả khi train trong chính nó → một phần là bản chất dataset, một phần do lệch thời gian.
- **Hướng 2 train chịu lệch ±1 mẫu (`clf_lag_jitter=1`, seed 0–1):** classifier riêng p 0,998: LODO −0,38, AVGC +0,46, AASD +0,30, Carta +0,29 điểm Acc; 2 decoder + 2 classifier: LODO −0,21, AVGC +0,25, AASD +0,17, Carta +0,15; cú tụt sau giây 300 nhỏ lại (−0,7). Tăng thật nhỏ, chưa đạt tiêu chí (+0,5).
- **Quyết định người dùng (08/11):** bỏ lật điện cực (mirror) và train chịu lệch ±1 mẫu (lag jitter), không chạy lại; **đưa BMMS3 vào bản chính** (4 decoder + 4 DirectNet `sw2` + 4 BMMS3, `eq3`: LODO Acc 73,40 / H 0,619, AASD 52,77 / 0,104, Carta 59,84 / 0,322, p 0,998); còn cần leakage test đầu-cuối cho BMMS3.
- **Hướng 3 chọn độ dịch nhân quả trong trial (`lag_methods.py`, DirectNet `sw2` seed 0–1, HMM 0,998):** `ada30/60/120`, `soft60` (chọn theo EMA |logit|) kém hơn `fix+0` ở mọi tập: LODO Acc 69,4–70,3 so với 72,4; AASD −1,0; Carta −1,4..−1,7. |logit| lớn không chỉ ra đúng độ trễ. `avg2` (trung bình {−1, 0}): AVGC +2,4, Carta +0,5, AASD −0,2, LODO −1,2 (USTC −4,8). Phát hiện thêm: **USTC lệch ngược chiều AVGC** (`fix+1` 74,9 so với 71,7; AVGC tốt nhất `fix−1`) → độ lệch thời gian khác nhau theo dataset, không có độ dịch chung. Kết quả: `results/research/lag_methods_summary.txt`.

### Kết quả 08/11: M1 và nhánh decoder một đặc trưng

- **M1 4 so với 8 seed** (`m1_seed_ensemble_summary.txt`, HMM 0,998): `eq3` s0–3 LODO 73,36 / H 0,618, AASD 52,77 / 0,104, Carta 59,84 / 0,322; s0–7 73,18 / 0,613, 52,73 / 0,103, 59,86 / 0,323. 8 seed không hơn 4 seed. Nhiễu nhóm seed: s4–7 so với s0–3 LODO −0,5, AVGC −1,4, AASD/Carta ±0,05 điểm Acc.
- **Decoder một đặc trưng** (`st_ensemble_summary.txt`, 4 seed mỗi đặc trưng, HMM 0,998): riêng lẻ env 68,6, onset 62,6, dom 62,0, LDA cả ba 68,0 % LODO Acc (LDA gần như chỉ dùng env, trọng số 0,74–0,91). Thêm vào tổ hợp đều không lợi: `ref_st` −0,7 LODO so với `ref`; `ref_st_bm` −0,5 so với `ref_bm`; `ref_st_t_bm` −0,2 LODO, Carta +0,2, AASD −0,1 so với `ref_t_bm`; `ref_t_bm_eod` (7 nhóm bằng nhau) 73,37 / 52,48 / 59,05. Thay decoder 3 đặc trưng bằng nhánh một đặc trưng (`clf_st_bm`) kém hơn `ref_bm`.
- Cùng cách hiệu chỉnh: `ref_bm` (bản chính 4+4+4) 73,34 / 0,617, AASD 52,77 / 0,104, Carta 59,87 / 0,323; `ref_t_bm` (4+4+4+4, BMMS3 0,10) 73,98 / 0,632, 52,61 / 0,099, 59,13 / 0,302; `ref_t` 73,95 / 0,632, 52,58 / 0,098, 58,92 / 0,297.

## 7. Đề xuất mới sau bài nộp test 1 (12/11)

Bài nộp 1 (`ref_t_bm_stem20`): test H 0,625 / Acc 74,4 % / L 0,867 / SDT 8,3 s. Tại κ 0,489: +1 điểm Acc ≈ +0,016 H; L = 1 chỉ cho H tối đa ≈ 0,657 → **Acc là đòn bẩy chính**, SDT phụ.
Ràng buộc: test chỉ có EEG + envelope (không audio → không wav2vec/phoneme); không có azimuth → các mô hình **giải mã hướng** (DARNet, DBPNet, ListenNet, CSP) không ghép được với `attended-speaker-label` (đã thử FBCSP/Riemann, thua).

| # | Ý tưởng | Căn cứ | Chi phí |
|---|---|---|---|
| G1 | Chấm lại theo κ các biến thể đã train (`swfd`, `c1xfade`, `c3`, `c5montage`, DirectNet 5 s `ptSPKv2`, A1 có dữ liệu thật) như thành phần thay thế / thêm | đã có evidence LODO + thật | 1 job chấm |
| G2 | Cửa sổ dài hơn (15 / 20 s) cho DirectNet, BMMS3 | metric κ ưu tiên Acc; SDT tăng ít ảnh hưởng | 2 seed |
| G3 | Tăng cường "EEG lệch trial → nhãn 0,5" chống nhớ stimulus | DirectNet nhớ 72,8 % KUL khi EEG = 0 | 2 seed |
| G4 | Tăng cường mức âm lượng cho `dom` (tính `dom` với ±4/±8 dB) | model nghiêng về luồng to hơn; NJU lệch 4,2 dB | 2 seed |
| G5 | Train cuối có AASD cho bản test (NJU giống AASD 68 % theo bộ phân loại miền) | đánh giá thay thế: USTC trong LODO | 2 seed |
| G6 | AADNet (end-to-end EEG + envelope) làm thành phần đa dạng | arXiv 2410.13059 | kiến trúc mới, cần thử nhớ 16 cửa sổ trước |
| G7 | Bộ quyết định kiểu SGAD (cổng thích nghi theo xác suất chuyển) | arXiv 2608.01618: Sw-F1 +13,6, Acc +0,8 so với EMA | thấp ưu tiên (SDT ít giá trị dưới κ; B3/A4 tương tự đã thử) |

**G1 kết quả (12/11, `g1_variants_summary.txt`, p 0,998, so với cùng seed):** không biến thể DirectNet nào vượt nhiễu. Thay `sw2` trong `eq3`: `swfd` −0,18 / +0,02 / +0,14 (LODO / AASD / Carta), `c6warp` −0,05 / −0,07 / +0,04, `recipe` −0,16 / −0,12 / −0,05, `c3soft` −0,25 / +0,09 / −0,27, `c5montage` −0,03 / +0,22 / −0,17, `c4babble` +0,11 / +0,13 / −0,27, `c1xfade` −1,32 / +0,23 / +0,30, `xreal` (A1) −0,55 / +0,01 / −0,21. Thêm làm thành phần thứ 4: LODO +0,2..+0,44 nhưng Carta −0,2..−0,5 (BMMS3 bị pha loãng). DirectNet 5 s (`v2`): LODO −3,0 riêng lẻ, SDT còn dài hơn 1,7 s. `swfd` giảm một nửa thiên lệch âm lượng nhưng không giảm việc nhớ stimulus (`test_followups2_summary.txt`). → Giữ `sw2`.
