KDHNet提出知识驱动混合网络用于少校准SSVEP解码

Zhentao He、Ziwei Wang、Dongrui Wu 在 arXiv 发布 KDHNet 论文，提出一种结合知识驱动解析处理与数据驱动表示学习的混合网络，用于少校准数据下的 SSVEP 脑机接口解码，并公开了代码。该方法级联 TDCA 与 TRCA 提取判别性成分，经可学习子频带加权融合后由 SSVEPformer 解码器分类。论文报告，在三个公开数据集上，受试者内评测的 15 个窗口设置中 14 个及全部 10 个校准比例设置下取得最高平均准确率与信息传输率；跨受试者评测获最佳或次佳，校准数据越少优势越大。跨受试者解码中，该方法用每类一个有标注目标试次的目标引导最小二乘变换对齐源试次。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。