通过近似对角化增强长序列状态空间模型的鲁棒性

基于摘要分析。本文研究长序列状态空间模型（SSMs）中 HiPPO 初始化的对角化病态问题，提出基于非正规算子伪谱理论的“先扰动再对角化”（perturb-then-diagonalize，PTD）方法，并据此构建 S4-PTD 和 S5-PTD，旨在兼顾简化实现与输入扰动鲁棒性。 原问题与机制：S4 使用 HiPPO 初始化的对角加低秩结构；S4D 和 S5 则采用纯对角结构，以简化实现、提高计算效率并允许通道通信。摘要指出，对 HiPPO 框架进行对角化本身是病态问题。PTD 通过扰动后再对角化实现非正规矩阵的近似对角化，作者将其描述为具有后向稳定性的通用方法；后向稳定性不应直接等同于对任意输入噪声均稳健。 理论与结果：作者报告，通过分析不同初始化方案的传递函数，S4-PTD/S5-PTD 初始化强收敛于 HiPPO 框架，而 S4D/S5 初始化仅实现弱收敛。作者进一步报告，新模型对 Fourier-mode 噪声扰动输入具有鲁棒性，而所比较的 S4D/S5 未表现出这一性质。在 Long-Range Arena 基准上，作者报告 S5-PTD 的平均 Accuracy 为 87.6%；摘要未提供各任务分数、数据划分、平均方式及对照数值，不能据此量化相对提升。扰动构造、收敛条件、训练配置、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其潜在 EEG 对应点是长时序建模中的数值稳定性与频率结构噪声敏感性，而非已证实的 BCI 性能提升。可复用模块是 SSM 初始化及 PTD 处理；需改造的是 EEG 多通道输入映射、采样尺度和任务输出。摘要未给出原任务监督方式与训练规模，迁移时需核对这些依赖。低信噪比、跨被试分布变化、通道变化及小数据训练可能使初始化收益被其他误差掩盖，Fourier-mode 扰动也不能代表全部 EEG 伪迹。一个可检验的假设是：在固定 EEG 数据划分、模型规模与训练预算下，对比 S5 与 S5-PTD，测试干净输入及不同强度频率扰动下的 Accuracy 变化，判断鲁棒性收益是否成立。已有 EEG 相关工作尚未检索确认。