arXiv（brain-computer interface）·2026-11-04 05:37· 1 天前AI 评分47

EEG 基础模型与信号处理嵌入中的特质-状态层级量化研究

Quantifying Trait-State Hierarchy in EEG Foundation Model and Signal Processing Embeddings

AI 导读

一项 arXiv 研究用层级度量和 kNN 纯度量化了 EEG 信号处理与基础模型嵌入在脑机接口数据集试次中捕获的特质与状态特征，发现多数 EEG 特征形成"宏观特质层级"，即嵌入先按特质聚类、状态嵌套其中。

AI 要点

团队

第一作者 Anusha Madapura，末位作者 Shrikanth Narayanan，共 3 位作者。

主要结果

多数 EEG 特征形成宏观特质层级，即特质层面聚类、内部含微观状态；线性探针显示该结构使状态可分性欠佳，影响 BCI 表现。

解决什么问题

量化信号处理与基础模型两类 EEG 嵌入分别编码多少状态与特质信息。

方法

在脑机接口数据集试次上用层级度量和 kNN 纯度评估嵌入，并尝试归一化削弱特质信息。

局限

从研究设计看，为基于现有数据集的嵌入分析，未涉及在线 BCI 任务验证。

AI 依据原文整理，未经人工核对。