对数极坐标空间卷积层

基于摘要分析。本文研究常规卷积核扩大感受野时参数量随核尺寸平方增长的问题，提出 log-polar space convolution（LPSC）层，以方向和对数距离组织局部空间区域，在控制参数量的同时扩大单层感受野。主要研究对象是卷积网络的空间特征提取，并非 EEG 或 BCI。 机制上，LPSC 使用椭圆形卷积核，按照相对方向和对数距离对局部感受野进行自适应分区；感受野随距离层级数呈指数增长。作者提出通过 log-polar space pooling 配合常规卷积实现该操作，并称其可替换网络中的常规卷积。具体分区规则、池化方式、边界处理及参数匹配条件尚未验证。 作者报告在不同任务和数据集上的实验支持 LPSC 的有效性，但摘要未提供任务名称、数据集、划分、对照基线或数值指标，因而无法判断增益幅度、计算开销及适用范围；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设 EEG 电极坐标或头皮拓扑表示中的相对方向与距离具有可利用的结构，LPSC 的分区聚合机制可能用于评估更大空间感受野是否有助于通道间特征建模。可复用部分是对数距离分区与池化后卷积，需改造电极坐标映射、不规则采样和缺失通道处理。风险在于头皮距离不等同于功能连接，低信噪比下大范围聚合可能混入噪声，跨被试电极差异及小数据也可能削弱收益。一个可检验的小实验是在固定 EEG 数据划分、预处理和训练预算下，仅替换空间卷积模块，与参数量匹配的常规卷积比较，并检验通道扰动后的表现。上述均为迁移假设，已有 EEG 相关工作尚未检索确认。