FLEXtime：用于解释时间序列的滤波器组学习

基于摘要分析。FLEXtime 针对复杂时间序列的逐时间点显著性掩码难以解释的问题，提出以频带作为可解释组成部分：通过带通滤波器组分解信号，再学习能够解释模型预测的频带组合。其主要研究对象是通用时间序列模型的预测解释，摘要将 EEG 和音频列为适用信号类型，并非专门提出 BCI 解码算法。 机制上，该方法借助信号处理中的分解思路，将解释单位从时间点转向频带。摘要明确说明了带通滤波与频带组合学习，但滤波器参数是否可学习、频带如何划分、组合优化目标、解释生成流程及计算成本尚未验证，不能仅由标题推断具体实现。 作者报告，在多个数据集的评估中，FLEXtime 的平均表现优于先进解释方法；摘要未提供数据集名称、评价指标、对照方法及具体数值，因此尚不能判断提升幅度、跨任务一致性或 EEG 上的独立表现。实验协议、消融及统计信息尚未验证。摘要提供了代码仓库，但代码内容、运行依赖与复现完整性尚未核查。 平台推测（待验证）：频带解释可能便于检查 EEG 模型依赖的频率成分，但频带显著性本身不能确证模型利用了神经活动而非伪迹。可先在具有已知频带判别信息的模拟 EEG 上检验解释是否恢复目标频带，并通过加入带限噪声测试稳定性；这一假设不代表已验证的 EEG 或 BCI 效果。已有相关 EEG 工作尚未检索确认。