arXiv（brain-computer interface）· Huan Luo·· 12 天前AI 评分35
TSE-RL：用强化学习优化运动想象脑机接口的时间窗选择
Time Window Optimization for Motor Imagery Classification via Temporal Structure Embedded Reinforcement Learning
AI 导读
研究提出 Temporal Structure Embedded Reinforcement Learning（TSE-RL）框架，将运动想象事件结构先验嵌入约束马尔可夫决策过程，为每个时间窗赋予 Discard、Onset、Sustain、Offset 四种语义角色，并用有限状态机屏蔽非法动作以约束时间顺序。
AI 要点
团队
作者 Huan Luo（原文未列所属机构）
主要结果
在多个基准数据集上，跨会话与跨被试解码性能均有一致提升；可视化分析显示学到的窗口选择策略与神经生理原则相符。
解决什么问题
在线 MI-BCI 用固定长度滑动窗口解码连续 EEG，窗口可能与神经事件错位；现有窗口优化方法独立评估各窗口，忽略时间依赖。
方法
提出 TSE-RL：把 MI 事件结构先验嵌入约束马尔可夫决策过程，用 Discard/Onset/Sustain/Offset 动作、有限状态机屏蔽非法动作、Transformer 历史编码器。
局限
原文未提及；从研究设计看，为离线基准数据集实验，未报告在线 BCI 实时使用结果。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org