Europe PMC（brain-computer interface · PubMed）· Lee CH, Huang CM.·· 2026-09-25AI 评分38
无梯度滤波重要性准则用于紧凑 EEG 网络结构化剪枝的对比研究
Gradient-Free Filter Importance for Structured Pruning of Compact EEG Networks.
AI 导读
研究在四个数据集、运动想象与 ERP 两种范式、EEGNet 与 ShallowConvNet 两种架构上对比五种滤波重要性准则。微调后 SSA 与一阶 Taylor 在 EEGNet 上准确率差异落在 ±1 个百分点内（TOST，p=0.01），ShallowConvNet 上 SSA 不劣于 Taylor，两者均显著优于基于权重和随机准则。
AI 要点
团队
Lee CH、Huang CM
主要结果
EEGNet 微调后 SSA 与 Taylor 准确率差在 ±1 个百分点内（TOST，p=0.01）；ShallowConvNet 上 SSA 不劣于 Taylor，两者均显著优于基于权重和随机准则。
解决什么问题
在已紧凑的 EEG 网络中，结构化剪枝该信任哪种滤波器重要性准则尚不明确。
方法
在四个数据集、运动想象与 ERP 两种范式、两种架构、多种容量及有无微调下，比较五种准则：SSA、一阶 Taylor、L1 范数、几何中位数、随机。
局限
从研究设计看，为离线基准比较，未涉及在线 BCI 部署验证。
AI 依据原文整理，未经人工核对。
来源：Europe PMC（brain-computer interface · PubMed） · doi.org