基于 EEG 的虚拟现实时间知觉误差预测

基于摘要分析。该研究探讨能否从 EEG 预测人在虚拟现实（VR）中的时间知觉误差幅度，以连续回归替代将知觉误差视为离散类别的建模方式。其主要研究对象是 VR 间隔计时任务中的主观时间估计偏差，而非通用 BCI 指令解码。 方法与数据：作者使用 33 名参与者在 VR 间隔计时任务中产生的 1,386 个 EEG 样本，以归一化估计误差为标签训练深度回归网络。摘要未提供网络结构、EEG 预处理、输入时间窗、损失函数及归一化公式，这些细节尚未验证。 结果：作者报告，在未见样本上预测知觉误差百分比时，平均绝对误差（MAE）为 0.25，均方误差（MSE）为 0.11；作者将其表述为相对于中心范围 [–0.75, 1] 的平均误差约 14%。该百分比应保留其范围参照，不能解释为预测准确率。摘要未说明未见样本属于被试内、跨被试还是跨会话划分，因此这些结果不能直接视为对新用户的泛化证据。 贡献与证据边界：连续误差预测为研究 EEG 与时间知觉偏差之间的关系提供了具体建模目标。作者据此提出实时估计用户时间知觉误差及时间自适应界面的应用可能性；但在线评估、推理延迟和界面适配收益尚未从摘要验证。实验协议、对照基线、消融及统计信息也尚未验证。复现需进一步核对任务时长与标签定义、EEG 采集及样本构造方式、训练测试划分，以及代码和数据的可获得性。