arXiv（brain-computer interface）·· 8 天前AI 评分38
KDHNet：面向少校准 SSVEP 解码的知识驱动混合网络
KDHNet: A Knowledge-Driven Hybrid Network for Limited-Calibration SSVEP Decoding
AI 导读
研究提出 KDHNet，将知识驱动的解析空间滤波与数据驱动的深度学习结合，用于少校准条件下的 SSVEP 解码。该方法在滤波组预处理后级联 TDCA 与 TRCA 提取成分，经可学习子带加权融合，再由 SSVEPformer 解码器分类；跨受试者场景用目标引导最小二乘变换对齐。
AI 要点
团队
第一作者 Zhentao He，末位作者 Dongrui Wu，共 3 位作者
主要结果
被试内评估中，KDHNet 在 15 个窗口设置中的 14 个、全部 10 个校准比例设置下取得最高平均准确率和信息传输率；被试间评估中表现最佳或次佳，校准数据越少增益通常越大。
解决什么问题
SSVEP 解码需要充足的受试者校准数据，解析空间滤波器在数据有限时受线性形式限制，深度模型在数据稀缺时易过拟合。
方法
滤波组预处理后级联 TDCA 与 TRCA 提取成分，可学习子带加权融合频谱信息，SSVEPformer 解码器分类；被试间用目标引导最小二乘变换对齐。在三个公开数据集上测试。
局限
从研究设计看，仅在三个公开数据集上离线评估，未报告在线 BCI 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