Europe PMC（brain-computer interface · PubMed）· Li J, Sha L, Yan X, Wang C, Shi J, Qiao H, Wang C, Wei Y, Gong C.·2026-09-24 08:00· 2026-09-24AI 评分38

PADA：扰动感知差分黎曼注意力用于鲁棒运动想象解码

PADA: perturbation-aware differential Riemannian attention for robust motor imagery decoding.

AI 导读

研究提出扰动感知差分黎曼注意力机制 PADA，用窗口式可学习黎曼模块与双流差分流形注意力提取非线性特征，并以切空间扰动探测特征不稳定性、抑制对噪声过敏的注意力权重。

AI 要点

团队

作者为 Li J、Sha L、Yan X 等，末位作者 Gong C。

主要结果

BCI Competition IV-2a 与 Zhou2016 数据集干净条件下准确率 81.44% 和 92.79%；50% 噪声下准确率仅下降 12%，为对比模型中最佳。

解决什么问题

黎曼几何模型适合小样本，但提取非线性与时空变异特征的能力常不及欧氏深度学习方法。

方法

提出扰动感知差分黎曼注意力机制 PADA：基于窗口的可学习黎曼模块映射信息片段到流形，双流差分流形注意力，用切空间扰动探测特征不稳定性并抑制对噪声过敏的注意力权重。

局限

从研究设计看，自建数据集结果为二分类任务，且仅用 12 个训练样本。

AI 依据原文整理，未经人工核对。