EEG嵌入呈特质层级，归一化提升状态解码

Anusha Madapura、Aditya Kommineni 与 Shrikanth Narayanan 发表论文，量化 EEG 基础模型与信号处理嵌入中的特质与状态特征。研究在脑机接口数据集试验上使用层级度量和 kNN 纯度分析，发现多数 EEG 特征形成“宏观特质层级”：嵌入先按特质聚类，状态嵌套其中，线性探针显示这一结构导致状态区分度不佳，拖累 EEG 基础模型的 BCI 表现。 研究称，采用归一化降低嵌入中的特质信息后，状态分类平衡准确率提升约 10%；微调下游状态解码任务时，嵌入空间会从宏观特质层级转为宏观状态层级，状态解码效果随之改善。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。