arXiv eess.SP（Signal Processing）·2026-10-30 12:00· 5 小时前精选AI 评分55

Aalto 大学 Timo Roine 团队提出 REVBRAIN，用残差向量量化实现实时概率 EEG 预测

REVBRAIN: Real-time Probabilistic EEG Forecasting Using Residual Vector Quantization

AI 导读

芬兰 Aalto 大学 Timo Roine 团队提出 REVBRAIN，一种基于残差向量量化（RVQ）的概率深度学习 EEG 预测方法，可一次性生成整个预测窗口，而非逐点自回归。

AI 要点

团队

Hanna Pankka（第一作者）、Timo Roine（末位作者）等 3 人

主要结果

在笔记本电脑 GPU 上实现实时推理，比 WaveNet 提速 50 倍以上，且预测精度更高。

解决什么问题

WaveNet 逐样本自回归推理太慢，无法满足脑状态依赖刺激等实时 EEG 预测需求。

方法

用残差向量量化（RVQ）对输出空间做 token 化，一次性生成整个预测窗口；测试任务为预测 alpha 频段（8–13 Hz）200 ms 的 EEG 时间序列。

局限

从研究设计看，仅与 WaveNet 对比，未在真实 BCI 闭环应用中验证。

AI 依据原文整理，未经人工核对。

AI 推荐理由

该方法把整段预测一次性生成，在笔记本 GPU 上实现实时推理，可与 WaveNet 的逐点自回归方案对照。