少量滤波器即足够：用于 P300 检测的卷积神经网络

基于摘要分析。该研究针对 EEG 单试次 P300 检测中 CNN 复杂度是否必要的问题，比较不同复杂度的已有 CNN，并提出极简架构 SepConv1D，探索以较少参数实现有竞争力的检测性能。 SepConv1D 由一个深度可分离一维卷积层及一个全连接 Sigmoid 分类神经元组成。研究的主要切入点不是增加网络深度，而是检验少量卷积滤波器能否满足 P300 检测需求。摘要以人工设计特征的方法作为研究动机，但未提供与此类方法直接比较的具体结果。 作者在四个数据集上研究了单试次被试内（Within-subject）与跨被试（Cross-subject）P300 检测，并报告：卷积层仅使用四个滤波器、整体参数量较少的 SepConv1D，在这四个数据集上取得了有竞争力的表现。摘要未给出数据集名称、被试数、具体划分、评价指标、性能数值或参数总量，因此尚不能判断各协议下的性能差距与统计可靠性，也不能将“有竞争力”解读为全面优于复杂模型。 作者认为该结果可能有助于构建更简单、低成本、快速且便携的 BCI；摘要未提供运行延迟、硬件部署或成本测量，因而这些工程收益仍需验证。复现时需核对 EEG 预处理、输入时间窗与通道、训练设置、跨被试划分及各模型的比较条件；完整实验协议、消融及统计信息尚未验证。