脑机接口 / BCI

Covariance Density Neural Networks

协方差密度神经网络

Om Roy, Yashar Moshfeghi, Keith Smith

机构 * Computer and Information Sciences, University of Strathclyde（斯特拉思克莱德大学计算机与信息科学系） 纠错

专题命中 EEG解码 ：brain computer interface(abstract)；EEG(abstract)；motor imagery(abstract)；分类 cs.LG

AI总结 本文提出协方差密度神经网络，通过构建密度矩阵提升模型性能，增强鲁棒性并实现更好的泛化能力，在脑机接口任务中表现优异。

Journal ref Transactions on Machine Learning Research (TMLR) 03/2026 issn=2835-8856

Graph Variate Neural Networks

图变量子神经网络

Om Roy, Yashar Moshfeghi, Keith Smith

机构 * Department of Computer and Information Sciences, University of Strathclyde（斯特拉思克莱德大学计算机与信息科学系） ； DeepBrain 纠错

专题命中 EEG解码 ：brain-computer interface(abstract)；EEG(abstract)；分类 cs.LG

AI总结 本文提出图变量子神经网络，通过结合稳定长期支持与瞬时数据驱动交互，有效捕捉动态统计依赖关系，在时间步上无需滑动窗口，实现线性复杂度的高效实现，在预测任务中优于传统图基方法。

Cross-Sensory Brain Passage Retrieval: Scaling Beyond Visual to Audio

跨感官脑 passage 检索：超越视觉到音频的扩展

Niall McGuire, Yashar Moshfeghi

机构 * University of Strathclyde, NeuraSearch Laboratory（斯特拉思克莱德大学，NeuraSearch实验室） 纠错

专题命中 EEG解码 ：EEG(abstract)；neural interface(abstract)；分类 cs.LG

AI总结 本文研究了利用听觉EEG进行脑passage检索，通过对比不同训练方式验证了跨感官训练在数据稀缺情况下的有效性，展示了神经查询在信息检索中的竞争力。

Comments Accepted At ECIR 2026

HyFI: Hyperbolic Feature Interpolation for Brain-Vision Alignment

HyFI：超几何特征插值用于脑-视觉对齐

Sangmin Jo, Wootaek Jeong, Da-Woon Heo, Yoohwan Hwang, Heung-Il Suk

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出HyFI框架，通过超几何空间插值融合和压缩视觉特征，解决脑信号与图像信息层级差异及语义特征纠缠问题，提升脑-视觉对齐效果。

Comments 17 pages, 13 figures. Published in AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 40, 2026

A Synchronous EEG-fNIRS BCI: A Proof-of-Concept for Multimodal Avalanche Analysis of Motor Cognition in Older Adults

一种同步EEG-fNIRS脑机接口：多模态雪崩分析在老年人运动认知中的证明概念研究

Eva Guttmann-Flury, Yun-Hsuan Chen, Qiaoyuan Xiang, Hao Zhang, Mohamad Sawan

专题命中 神经信号处理 ：BCI(title,abstract)；EEG(title,abstract)；neural signal(abstract)；分类 q-bio.NC

AI总结 本文提出一种结合同步EEG-fNIRS与神经雪崩分析的多模态框架，用于检测阿尔茨海默病早期网络功能障碍。研究通过小样本试点验证了多模态框架的技术可行性，并发现条件依赖的网络组织模式。

Reinforcement-Guided Hyper-Heuristic Hyperparameter Optimization for Fair and Explainable Spiking Neural Network-Based Financial Fraud Detection

基于强化学习的超启发式超参数优化的公平可解释性脉冲神经网络金融欺诈检测

Sadman Mohammad Nasif, Md Abrar Jahin, M. F. Mridha

机构 * organization= Department of Computer Science \& Engineering, Khulna University of Engineering \& Technology (KUET) , city= Khulna , postcode= 9203 , country= Bangladesh ； organization= Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California , city= Los Angeles , state= CA , postcode= 90089 , country= USA ； organization= Department of Computer Science, American International University-Bangladesh (AIUB) , city= Dhaka , postcode= 1229 , country= Bangladesh 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文提出结合脉冲编码网络与强化学习引导超启发式优化器的框架，用于实现公平且可解释的脉冲神经网络金融欺诈检测，通过在Bank Account Fraud数据集上验证，模型在5%的假阳性率下达到90.8%的召回率。

Journal ref Knowledge-Based Systems (2026)

An Open-Access Multi-modal Dataset for Cognitive, Motor, and Cognitive-Motor Tasks

一个开放获取的多模态数据集用于认知、运动及认知-运动任务

Zaineb Ajra, Grégoire Vergotte, Stéphane Perrey, Lilian Evra, Simon Pla, Gérard Dray, Jacky Montmain, Binbin Xu

专题命中 BCI数据与评测 ：brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)；分类 q-bio.NC

AI总结 本文提出一个包含EEG、fNIRS、ECG等多模态数据的开放数据集，用于研究认知与运动任务的交互作用，支持开发先进的预处理方法和分析流程，应用于脑机接口和神经康复等领域。

Comments 15 pages, 6 figures