脑机接口 / BCI

Bayesian Classification with Probit-link Split-and-merge Gaussian Process Prior in EEG-based Brain-Computer Interfaces

基于脑电图脑机接口中Probit-link分裂合并高斯过程先验的贝叶斯分类

Yunong Wu, Jane E. Huggins, Jian Kang, Tianwen Ma

专题命中 EEG解码 ：EEG(title,abstract)；brain-computer interface(title,abstract)；BCI(abstract,abstract_cn)

AI总结 提出一种基于Probit-link分裂合并高斯过程先验的贝叶斯生成模型，用于脑电图响应二元分类，实现时空特征选择并降低计算复杂度，同时保持预测精度。

Comments 32 pages, 7 figures, 2 tables

Advanced EEG Source Models from the Perspective of FEM and Inverse Solutions

基于有限元法与逆问题求解的先进脑电源模型

Santtu Söderholm, Joonas Lahtinen, Sampsa Pursiainen

专题命中 EEG解码 ：EEG(title)

AI总结 该研究对比了两款有限元软件的脑电源模型，结合多种源估计方法，发现逆方法的性能取决于源聚焦假设与源模型的兼容性，宽分布源模型对噪声更敏感。

Comments 18 pages, 14 figures, an extended version of the conference paper https://arxiv.org/abs/2604.20448, fixed typo in Section 4.5 title

Asymptotic Uniform False Discovery Rate Control for Inference of Time-varying Correlations

通过时间变化p值控制学习时间变化相关网络

Bufan Li, Lujia Bai, Weichi Wu

专题命中 EEG解码 ：EEG(abstract)

AI总结 本文提出通过时间变化p值控制学习时间变化相关网络的方法，结合高维高斯近似和理论保证的统计程序，用于非平稳时间序列中的虚假发现率控制。