科学与医疗

脑机接口 / BCI

脑机接口、EEG、神经信号解码、神经假体和脑控交互。

2026-07-16 至 2026-07-16 共收录 3 篇信号源：q-bio.NC, eess.SP, cs.LG, cs.HC, cs.RO

1. EEG解码 3 篇

2607.12546 2026-07-16 eess.SP 版本更新 83%

Comparison of Dimension Reduction Methods for EEG Seizure Detection Using Autonomous AI-Driven Optimization

使用自主人工智能驱动优化的脑电图癫痫检测降维方法比较

Annika Stiehl, Vishal Kagade, Nicolas Weeger, Nicole Ille, Stefan Geißelsöder, Christian Uhl

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

AI总结研究比较PCA、DyCA、DMD、AVD四种降维方法用于脑电图癫痫检测，通过自主人工智能驱动框架优化架构和超参数，结果显示基于方差的方法性能更优，最佳分类器架构因表示而异，突出输入表示重要性及自主实验的可行性。

Comments Accepted to BMT 2026

2607.01435 2026-07-16 cs.CV cs.CR cs.HC cs.LG 版本更新 62%

Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network

空中签名解锁：基于点-体素交叉注意力网络的虚拟与增强现实认证接口

Neda Abdolrahimi, Thiru Siddharth, Frank Sicong chen, Vir V Phoha

专题命中 EEG解码：EEG(abstract)；分类 cs.LG、cs.HC

AI总结提出一种空中签名认证接口，利用点-体素交叉注意力网络（PV-Net）建模3D轨迹的局部运动与全局结构，在公开和自建数据集上实现低错误率，支持沉浸式环境中的自然交互认证。

Comments Changed the 2nd co-author name from FRank Sicongchen to Frank Sicong chen

2607.14081 2026-07-16 cs.LG stat.ML 新提交 57%

Linear Independent Component Analysis via Optimal Transport

通过最优传输进行线性独立成分分析

Ashutosh Jha, Michel Besserve, Simon Buchholz

机构 * University of Tübingen（图宾根大学）； Max Planck Institute for Intelligent Systems, Tübingen（图宾根马克斯·普朗克智能系统研究所）； Institute of Artificial Intelligence TU Braunschweig（布伦瑞克工业大学人工智能研究所）

专题命中 EEG解码：EEG(abstract)；分类 cs.LG

AI总结研究如何从线性混合信号中恢复独立源信号，提出用平方瓦瑟斯坦距离衡量非高斯性，基于此构建OT - ICA算法，实验表明该算法在不同分布上优于传统方法，且可用于无分布假设的应用ICA任务。