脑机接口 / BCI

A Sliced-Wasserstein Framework on Correlation Matrices for EEG Decoding

用于脑电图解码的相关矩阵切片Wasserstein框架

Chen Hu, Rui Wang, Jiale Zhou, Jingjun Yi, Shaocheng Jin, Yidong Song, Yefeng Zheng

机构 * Westlake University（西湖大学） ； School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院） ； Jiangnan University（江南大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.LG

AI总结 提出基于拉回欧几里得度量的切片Wasserstein框架，实例化两种相关矩阵切片Wasserstein差异，并构建脑电图解码的域泛化方法，在三个数据集上验证了分布偏移下的泛化能力提升。

Comments Accepted by KDD 2026

Variational Phasor Circuits for Phase-Native Brain-Computer Interface Classification

变分相量电路用于相位本征脑机接口分类

Dibakar Sigdel

机构 * Mindverse Computing LLC 纠错

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

AI总结 本文提出变分相量电路（VPC），一种基于连续S¹单位圆流形的确定性经典学习架构，通过相位本征设计实现二分类和多分类任务，展示其在脑机接口中优于传统欧几里得基线的性能。

Geometry-Aware Deep Congruence Networks for Manifold Learning in Cross-Subject Motor Imagery

用于跨主体运动想象中流形学习的几何感知深度一致性网络

Sanjeev Manivannan, Chandra Shekar Lakshminarayan

机构 * Department of Biotechnology（生物技术系） ； Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； Department of Data Science and Artificial Intelligence（数据科学与人工智能系） 纠错

专题命中 运动想象 ：motor imagery(title,abstract)；brain-computer interface(abstract)；EEG(abstract)；分类 cs.LG

AI总结 针对跨主体运动想象解码难题，提出几何感知一致性变换及三个互补模型，既作流形对齐模块又作端到端判别架构评估，实验表明该方法能提升转导解码性能，有效减轻脑电图解码中主体间差异。

Comments 77 pages (Main paper - 13 pages, Appendix - 64 pages)