脑机接口 / BCI

Rethinking EEG-Based Disease Diagnosis: Decoupling Instance Representation Learning from Subject-Level Supervision

基于EEG的疾病诊断再思考：将实例表示学习与受试者级监督解耦

Zhiyuan Ma, Zeyuan Li, Zhiyi Lu, Jiacheng Hao, Youlang Du, Zhen Jiang, Xinche Zhang, Yuhao Sun, Xinke Shen, Sen Song

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

AI总结 针对EEG疾病诊断中实例标签可靠性不均、受试者稀缺的问题，提出两阶段BridgeMIL框架，解耦实例表示学习与受试者级监督，在15种数据集-骨干网络设置中14种获最高准确率，总体较基线高4.28个百分点。

Embedding of Low-Dimensional Sensory Dynamics in Recurrent Networks: Implications for the Geometry of Neural Representation

低维感觉动态在循环网络中的嵌入：对神经表征几何的启示

Vikas N. O'Reilly-Shah, Alessandro Maria Selvitella

机构 * University of Washington School of Medicine（华盛顿大学医学院） ； Purdue University Fort Wayne（普渡大学韦恩堡分校） ； University of Washington（华盛顿大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 研究探讨了低维感觉动态如何在循环网络中形成嵌入结构，并揭示了预测性能对表征几何的约束作用。

Comments Accepted/forthcoming, Journal of Computational Neuroscience