脑机接口 / BCI

EEGDancer: Dynamic Emotion Latent Space Masked Modeling with Reinforcement Learning for EEG Continuous Emotion Prediction

EEGDancer：基于强化学习的动态情感潜空间掩码建模用于EEG连续情感预测

Zhihao Zhou, Weishan Ye, Li Zhang, Gan Huang, Zhen Liang

机构 * National University of Singapore（新加坡国立大学） ； Agency for Science, Technology and Research（科技研究局） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.HC

AI总结 提出EEGDancer框架，结合向量量化表示学习、掩码时间建模和强化学习轨迹优化，解决EEG连续情感预测中长时依赖和噪声问题。

Comments 51 pages, 9 figures, 13 tables

TGSD: Topology-Guided State-Space Diffusion Framework for EEG Spatial Super-Resolution

TGSD: 拓扑引导的状态空间扩散用于EEG空间超分辨率

Zijian Kang, Weiming Zeng, Yueyang Li, Shengyu Gong, Hongjie Yan, Wai Ting Siok, Nizhuan Wang

机构 * Lab of Digital Image and Intelligent Computation, Shanghai Maritime University（数字图像与智能计算实验室，上海海洋大学） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（语言科学与技术系，香港理工大学） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医学院连云港医院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 eess.SP

AI总结 提出TGSD框架，通过拓扑引导的状态空间扩散模型，利用分层空间先验编码器和条件状态空间扩散重建器，从低密度EEG恢复高密度信号，在SEED和PhysioNet MM/I数据集上优于基线方法。

Recovering Arrhythmic EEG Transients from Their Stochastic Interference

从其随机干扰中恢复无节律性EEG瞬变

Javier Díaz, Hiroyasu Ando, GoEun Han, Olga Malyshevskaya, Xifang Hayashi, Juan-Carlos Letelier, Masashi Yanagisawa, Kaspar E. Vogt

专题命中 EEG解码 ：EEG(title,title_cn)；分类 q-bio.NC

AI总结 本文提出了一种基于无节律性脉冲叠加的EEG起源新理论，通过改进的数学方法恢复脉冲信号，揭示了睡眠和清醒状态下的特定模式，并首次发现了与超快瞬变相关的EEG特征。

Comments Original research manuscript in PDF format, 46 pages long, with 13 figures and one table

Journal ref Communications Biology (2026)

Sparse Functional Singular Value Decomposition for Biclustering and Triclustering Longitudinal Data

纵向数据的稀疏函数奇异值分解用于双聚类和三聚类

Yue Zhao, Thierry Chekouo, Sandra Safo

机构 * Division of Biostatistics and Health Data Science University of Minnesota（生物统计学与健康数据科学系明尼苏达大学） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 提出Tri-SfSVD框架，通过稀疏惩罚同时进行连续轨迹估计与对象、特征和时间选择，实现纵向数据中的双聚类和三聚类，优于现有方法。

A Robust Framework for Model Order Selection in Correlated Large-Dimensional CES Noise

相关大维CES噪声下模型阶数选择的鲁棒框架

Eugénie Terreaux, Emmanuelle Jay, Frédéric Pascal, Jean-Philippe Ovarlez

专题命中 EEG解码 ：EEG(abstract)

AI总结 针对大维相关非高斯CES噪声中的模型阶数选择问题，提出一个两阶段鲁棒框架，包括基于Toeplitz修正M估计的白化步骤和基于大维随机矩阵理论的信号子空间秩推断，并证明了估计量的一致性和特征值上界。

Comments 13 pages (Main Paper), 6 pages (Supplementary Material), 9 figures