脑机接口 / BCI

Spiking Personalized Federated Learning for Brain-Computer Interface-Enabled Immersive Communication

基于脑机接口的沉浸式通信的脉冲个性化联邦学习

Chen Shang, Dinh Thai Hoang, Diep N. Nguyen, Jiadong Yu

机构 * School of Electrical and Data Engineering, University of Technology Sydney（悉尼技术大学电气与数据工程学院） ； Thrust of Internet of Things, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究所） 纠错

专题命中 语音与意图解码 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；分类 eess.SP、cs.LG

AI总结 本文提出了一种利用脑机接口获取脑信号以推断用户中心状态（如意图和感知相关不适）的沉浸式通信框架，通过个性化联邦学习模型处理脑信号，以适应神经多样性数据并防止敏感脑信号信息泄露，同时通过嵌入脉冲神经网络降低能耗，实验表明在真实脑信号数据集上识别准确率最高且能耗降低6.46倍。

Comments 6 pages, 3 figures

Journal ref INFOCOM Workshop, 2026

Integrating Brain-Computer Interface and Neuromorphic Computing for Human Digital Twins

将脑机接口与类脑计算整合用于人类数字孪生

Chen Shang, Jiadong Yu, Dinh Thai Hoang

专题命中 语音与意图解码 ：brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)；分类 cs.HC

AI总结 本文提出了一种生物启发的HDT框架，利用脑机接口传感器捕捉脑信号，以构建个性化HDT，并结合类脑计算模型和联邦学习策略，提高数据处理效率和隐私保护。

Comments 7 pages, 3 figures,

Journal ref IEEE Communications Magazine, 2026