脑机接口 / BCI

An offline approach to fNIRS-guided reinforcement learning for robot behavior

一种用于机器人行为的基于fNIRS引导的强化学习的离线方法

Julia Santaniello, Madelaine Brower, Benson Jiang, Donatello Sassaroli, Robert Jacob, Jivko Sinapov

专题命中 神经信号处理 ：BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结 研究利用fNIRS脑信号调节机器人模拟学习的可行性，比较不同交互任务训练的智能体，测试多种增强强化学习算法的方法，发现该框架能有效利用神经信号增强学习，还可离线学习，为特定场景提供替代方案。

Comments Preliminary results

Automated detection of circadian-dependent epileptic biomarkers for seizure localization using machine learning and signal processing

使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位

Mehdi Zekriyapanah Gashti, Mostafa Mohammadpour, Hassan Eshkiki, Vahid Ghanbarizadeh

专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP

AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。

Comments This version corresponds to the published journal article

Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026

Lattice Field Theory for a network of real neurons

神经网络的晶格场论

Simone Franchini, Giampiero Bardella

专题命中 神经信号处理 ：brain-computer interface(abstract)

AI总结 本文提出一种简化晶格场论框架，用于解释脑机接口的实验记录，结合最大熵模型和自由能原理，适用于慢性多站点脑机接口的神经元活动记录。

Comments Presented at the 42nd International Symposium on Lattice Field Theory (LATTICE2025), 2-8 November 2025, Tata Institute of Fundamental Research, Mumbai, India. Parallel Session Theoretical developments and applications beyond Standard Model. 10 pages

Journal ref Proceedings of Science 518, 178 (2026)