热点事件持续更新
基于相位的边中心耦合EEG网络建模算法
1 篇报道1 家媒体或机构2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv q-bio.NC 发表一项研究，提出基于相位的边中心耦合（PEC）算法用于 EEG 网络建模。该方法由 EEG 信号瞬时相位差导出边时间序列，并以归一化内积量化边对边耦合。仿真测试显示，在数据长度不少于 16 个周期时，PEC 抗伪迹准确率高于 0.7，且在个体可识别性与认知状态可识别性上均优于传统相位节点中心耦合（PNC）。目前该工作处于预印本阶段，尚未见同行评议或后续应用报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
arXiv 预印本提出 PEC 算法，仿真中抗伪迹与识别性能优于传统 PNC。全部报道
同一件事各家媒体的报道，按发布时间排列。事情有了新的进展时，会单独列在「事件进展」里。
10月26日
- arXiv q-bio.NC（Neurons and Cognition）基于相位的边耦合：EEG 网络中重叠功能架构与高阶边对边交互的建模
研究提出基于相位的边中心耦合（PEC）算法用于 EEG 网络建模，边时间序列由 EEG 信号瞬时相位差导出，边对边耦合通过归一化内积量化。仿真测试显示，在数据长度不少于 16 个周期时，PEC 抗伪迹准确率高于 0.7，并在个体可识别性与认知状态可识别性上均优于传统相位节点中心耦合（PNC）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。