BCI 科研雷达

基于摘要分析。该研究针对 EEG 采集中的信号缺失与噪声干扰，提出基于局部图信号平滑性（LGS-based）的重建方法，核心贡献是结合大脑皮层不同功能区域定义局部平滑性，并联合学习图结构与重建 EEG 信号。 技术机制上，论文认为，不能准确表示信号间相似关系的图会损害重建效果，因此不只在固定图上恢复信号，而是将图学习与 EEG 重建纳入联合优化。摘要说明该问题并非联合凸，并采用交替方向乘子法（ADMM）求解；但局部区域的具体定义、图节点与边的构造、平滑性约束及目标函数形式尚未验证。标题中的时变信号如何在优化中建模，也需查阅全文确认。 作者报告，在其 EEG 信号重建实验中，LGS-based 方法优于基准方法，获得更高的信噪比（SNR）和更小的误差。需要注意，摘要将后一指标写为“normalized mean square error (RMSE)”，英文名称与缩写存在不一致，应以全文中的公式和归一化定义为准。摘要未提供数据集、被试数、缺失模式、噪声设置、数据划分、基线名称或具体数值，因而不能量化增益，也不能判断跨被试或跨会话适用性。 复现时需核对局部功能区域与电极布局的对应关系、图学习所依赖的观测数据、ADMM 的更新与收敛条件，以及不同缺失比例和噪声条件下的评价协议。实验协议、消融及统计信息尚未验证。该工作直接研究 EEG 重建，但摘要没有报告下游 BCI 解码结果，重建质量改善不能直接等同于 BCI 任务性能提升。

作者：

Yuting Cao; Jian Wang; Zhengpin Li; Xue-Qin Jiang; Xinxin Hou

机构：

尚未验证

发表平台：

ICASSP 2025

标识：

b2hpHhQtxd

学术质量 70 / 100 · 兴趣权重 2 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-07-25 · 状态未知

基于摘要分析（仅提供 Highlights，未取得论文全文）。本研究面向有限数据条件下的 EEG 分类，提出缓解深度神经网络过拟合的训练策略、处理 EEG 离群样本的聚类方法，以及 EEG 信号数据增强方法。 材料呈现了三个方法方向：训练策略针对过拟合，聚类针对离群样本，数据增强针对 EEG 信号。标题将整体方法称为深度聚类，但现有内容未说明聚类对象、离群样本判定方式，以及聚类如何与分类训练结合；也无法确认数据增强的变换形式、标签保持条件或训练目标。因此，尚不能还原具体算法流程，或判断三者是否构成联合优化框架。 作者未在所给 Highlights 中报告定量结果。任务类型、数据集、被试规模、有限数据的定义，以及 Within-subject、Cross-subject 或 Cross-session 评估协议均尚未验证；分类指标、对照基线、消融及统计信息也尚未验证，不能据此认定方法优于既有方案。 进一步阅读应核对聚类能否区分异常噪声与有效但少见的 EEG 模式、增强操作是否保留任务相关信息，以及训练策略在不同数据规模下的作用。复现所需的模型结构、损失、预处理、数据划分、超参数与实现可用性仍需全文确认。该研究直接涉及 EEG 分类，但材料未明确具体 BCI 任务，其 BCI 应用效果尚未验证。

作者：

Mohsen Tabejamaat; Hoda Mohammadzade; Farhood Negin; François Brémond

机构：

尚未验证

发表平台：

Pattern Recognit. 2025

标识：

aNjPqIw3cE

学术质量 48 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2024-11-11 · 状态未知

基于摘要分析，当前材料仅包含 Highlights，未取得论文全文。该研究针对病理图像分割中像素级标注需求较高、静态模型难以适应多域数据的问题，提出域增量弱监督状态空间模型 DIPathMamba；作者称该方法仅使用图像级标签开展多域病理图像分割。 方法包含三个主要设计：Contrastive Mamba Block 用于探索病理图像的双粒度特征；Domain Parameter Constraint Model 用于共享信息并约束参数；CIDSL 用于利用有限标签并指导各域的参数学习。材料未解释双粒度特征的具体定义、对比学习目标、参数约束形式或 CIDSL 的完整名称，因此尚不能确认各模块的训练与推理细节。 材料未提供数据集、域的定义与到达顺序、标注预算、训练测试划分、对照基线或定量结果。分割性能、增量阶段的旧域性能保持、实验协议、消融及统计信息尚未验证；代码、权重和复现所需配置也尚未验证。 原论文的主要研究对象是病理图像，而非 EEG 或 BCI。现有材料不足以建立其图像级弱监督分割机制与神经信号任务之间的具体对应关系，不能据此推断 BCI 有效性；相关 EEG 工作尚未检索确认。

作者：

Jiansong Fan; Qi Sun; Yicheng Di; Jiayu Bao; Tianxu Lv; Yuan Liu; Xiaoyun Hu; Lihua Li; Xiaobin Cui; Xiang Pan

机构：

尚未验证

发表平台：

Medical Image Anal. 2025

标识：

sfcCr1ecbq

学术质量 61 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-05-05 · 状态未知

基于摘要分析。本文面向地理分布式工业过程中的相互依赖关系，提出基于线性状态空间表示的联邦 Granger 因果学习框架，以低维状态估计替代集中处理大量原始数据，分析某一客户端状态对其他客户端后续状态的预测影响。研究主要对象是工业传感与控制系统，而非 EEG 或 BCI；Granger 因果关系也不应直接等同于干预意义上的因果关系。 核心机制是由服务器学习客户端之间的 Granger 因果信息，并通过 Machine Learning（ML）函数将这些信息用于增强客户端模型。作者分析增强后的客户端模型与服务器模型之间的相互依赖，将框架重新表述为独立 ML 算法，给出次线性与线性收敛速度的条件，并研究其向集中式 oracle 模型的收敛。摘要还提及差分隐私分析，但状态估计方法、ML 函数形式、优化目标、通信内容及隐私预算尚未验证。 作者报告，合成数据实验考察了方法对因果关系扰动的稳健性，以及随通信规模、客户端数量和原始数据维度变化的可扩展性；另在两个真实工业控制系统数据集上评估，并报告去中心化所节省的数据量。摘要未提供数据集名称、具体指标或数值，实验协议、对照、消融及统计信息尚未验证，因此不能据此量化通信收益或因果识别精度。 平台推测（待验证）：其可迁移机制是以低维动态状态支持分布式时序依赖学习，可能对应多节点神经记录中原始数据传输成本较高的瓶颈。该假设依赖节点间存在可对齐且有预测意义的动态关系，不能直接把不同被试视为相互作用的工业客户端。可复用部分是状态摘要交换与服务器关系学习；需改造状态估计、时间同步和客户端定义。EEG 的低信噪比、通道混合、共同驱动、跨被试差异及小样本可能使预测依赖难以解释或不稳定。一个可证伪的小实验是使用具有已知节点间依赖、并加入 EEG 类噪声与通道混合的模拟时序，对比联邦框架与集中式 oracle 的关系恢复及通信量，并考察隐私扰动的影响。已有 EEG 相关工作尚未检索确认。

作者：

Ayush Mohanty; Nazal Mohamed; Paritosh Ramanan; Nagi Gebraeel

机构：

尚未验证

发表平台：

CoRR 2025

标识：

7teLDg3FAP

学术质量 77 / 100 · 兴趣权重 2 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-05-14 · 状态未知

基于摘要分析。本文研究推荐系统中的用户偏好生成，提出连续时间离散空间扩散推荐框架 CDRec，直接对历史用户—物品交互进行离散扩散，以缓解作者所指出的连续空间编码可能造成的信息损失与计算效率问题。 机制上，CDRec 以掩码等离散元素操作扰动历史交互，并通过转移矩阵引入领域知识；连续时间表述支持灵活的自适应采样。其主要设计包括感知物品流行度的噪声调度，以及将用于快速采样的一致性参数化与多跳协同信号引导的对比学习目标结合的训练框架。摘要未给出转移矩阵的具体构造、噪声调度公式、损失形式或采样过程，相关实现尚未验证。 作者报告，在真实世界数据集上，CDRec 的推荐准确性与计算效率优于比较方法；但摘要未列出数据集名称、划分协议、对照基线、具体指标及数值，因此尚不能判断优势幅度、适用条件或准确性与效率之间的权衡。实验协议、消融及统计信息尚未验证；复现需进一步核对交互预处理、多跳协同信号构造、训练与采样配置，以及效率测量条件。 平台推测（待验证）：其离散状态扰动机制可能适用于已离散化的 EEG 表征，但这是迁移假设，不是论文结论。原方法依赖用户—物品交互结构、物品流行度和协同关系，这些条件不能直接等同于连续、低信噪比的 EEG 信号。可考虑复用离散扩散与连续时间采样思想，但需重新定义 EEG 状态、转移矩阵、噪声先验和监督信号；离散化信息损失、跨被试差异、通道变化及小数据条件均可能使该假设失效。一个可证伪的小实验是在固定 EEG 离散表征与相同跨被试划分下，比较数据统计引导的转移机制与均匀掩码机制，核对预先指定的任务指标和采样耗时。已有 EEG 相关工作尚未检索确认。

作者：

Chengyi Liu; Xiao Chen; Shijie Wang; Wenqi Fan; Qing Li

机构：

尚未验证

发表平台：

CoRR 2025

标识：

iGQzUpok2s

学术质量 71 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-01-23 · 状态未知

基于摘要分析。研究针对实时神经解码中推理延迟与泛化能力难以兼顾的问题，提出混合架构 POSSM，将单个 spike 的 token 化与循环状态空间模型（SSM）结合，通过多数据集预训练支持因果在线预测及向新会话、个体和任务的泛化。主要研究对象是皮层内神经活动解码，评估覆盖猴运动任务和人类手写、语音解码，并非 EEG 解码研究。 机制上，POSSM 使用 cross-attention 模块对单个 spike 进行 token 化，再以循环 SSM 作为主干。其设计旨在结合预训练带来的泛化能力与循环推理的计算效率，回应轻量循环神经网络泛化受限、Transformer 推理成本较高的取舍。摘要未提供 token 定义、状态更新形式、训练目标、预训练规模或任务适配流程，这些实现细节尚未验证。 作者报告，在所评估的猴运动任务及人类手写、语音解码任务中，POSSM 的解码准确性可与先进 Transformer 相比，同时推理成本更低；GPU 推理最高加速 9 倍。该数字对应摘要所述任务中的最高加速，具体硬件、批量大小、序列长度、对照模型和延迟测量方式尚未验证，不能据此推断端到端闭环系统同样加速。摘要也未给出各任务的具体准确性指标或分数。 作者报告，猴运动皮层记录上的预训练改善了人类手写任务的解码表现，提供了跨物种迁移的初步证据，但不等于对任意神经信号或任务都有效。数据集名称、被试数量、训练与测试划分，以及跨会话、跨被试和跨任务泛化的具体协议尚未验证；实验协议、消融及统计信息亦尚未验证。复现时需重点核对预训练与目标任务适配的边界、速度对照条件，以及离线解码性能是否落实为真实在线闭环收益。该架构依赖 spike 输入，其对 EEG 等连续低信噪比信号的适用性不能由本摘要直接推出。

作者：

Avery Hee-Woon Ryoo; Nanda H. Krishna; Ximeng Mao; Mehdi Azabou; Eva L. Dyer; Matthew G. Perich; Guillaume Lajoie

机构：

尚未验证

发表平台：

CoRR 2025

标识：

O856152IB3

学术质量 79 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-05-11 · 状态未知

基于摘要分析。本文针对 EEG 情绪识别中的非平稳时空模式整合与情绪强度变化适应问题，提出 SST-CL，将时空 Transformer 与情绪强度感知课程学习结合，旨在同时改善信号表征与训练样本组织。 机制上，空间编码器建模通道间关系，时间编码器通过窗口注意力捕获多尺度依赖，以联合提取 EEG 的空间相关性和时间动态。课程学习采用基于双重难度评估的动态样本调度，使训练从高强度情绪状态逐步过渡到低强度状态。摘要未说明两类难度的具体定义、情绪强度的标注或估计方式、调度更新规则及损失函数，这些细节尚未验证。 作者报告，在三个基准数据集上，该方法在不同情绪强度水平下取得了其所称的最先进性能，并报告消融实验支持空间与时间编码组件及课程学习机制的必要性。不过，摘要未提供数据集名称、被试数量、被试内或跨被试等评估协议、划分方式、对照基线、指标与数值，因此不能据此量化提升或判断跨被试、跨会话泛化能力；实验协议、消融及统计信息尚未验证。 复现时应优先核对情绪强度信息的获取条件、双重难度评估与动态调度的可实现性，以及在相同划分和训练预算下各组件的独立贡献。研究对象是 EEG 情绪识别，摘要所述结果尚不能直接视为真实交互场景中的 BCI 适应性验证；全文与代码可用性尚未验证。

作者：

Xuetao Lin; Tianhao Peng; Peihong Dai; Yu Liang; Wenjun Wu

机构：

尚未验证

发表平台：

CoRR 2025

标识：

i4DqCrwAqV

学术质量 66 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-01-06 · 状态未知

基于摘要分析。本文研究高光谱图像（HSI）的地表覆盖分类，针对低空间分辨率、复杂光谱信息及 Transformer 长程依赖建模的二次复杂度，提出空间–光谱状态空间模型 S2Mamba，通过分别提取空间与光谱上下文并自适应融合，改善分类建模。来源标题使用 SMamba，摘要中的方法名为 S2Mamba，两者命名差异尚待核对。 核心机制是沿不同维度设置两个选择性结构化状态空间模型（SSM）：patch cross scanning（PCS）模块通过像素与邻近像素的交互捕获空间上下文；bidirectional spectral scanning（BSS）模块沿连续光谱波段双向扫描，提取光谱语义信息。随后，spatial-spectral mixture gate（SMG）利用一组可学习矩阵自适应融合两类表示，以适应均质区域与复杂纹理场景。其方法动机是利用 Mamba 的线性复杂度长程建模替代计算成本较高的 Transformer，但完整模型的复杂度、实际运行时间与资源占用尚未验证。 作者报告，在 HSI 分类基准上的广泛实验显示 S2Mamba 的优势；摘要未给出数据集名称、训练测试划分、对照方法、指标或具体数值，因此不能量化优势。实验协议、消融及统计信息尚未验证。摘要表示代码将公开，不能据此确认当前已可获取或具备完整复现条件。 平台推测（待验证）：该方法依赖图像空间邻域与连续光谱波段的结构，其双维度扫描与门控融合可作为 EEG 时间依赖和通道空间关系联合建模的假设性参考，但光谱波段不能直接等同于 EEG 通道。可复用思路是选择性 SSM 与自适应融合；需改造扫描顺序、通道拓扑编码及输入表示。低信噪比、跨被试差异、通道缺失与小数据规模可能削弱结构对应关系或造成过拟合。一个可检验的小实验是在固定 EEG 数据划分和相近模型容量下，对比时间单分支 SSM 与时间–通道双分支加门控模型，并以通道顺序扰动检验拓扑依赖；此建议不代表已证实的 BCI 效果，已有 EEG 相关工作尚未检索确认。

作者：

Guanchun Wang; Xiangrong Zhang; Zelin Peng; Tianyang Zhang; Licheng Jiao

机构：

尚未验证

发表平台：

IEEE Trans. Geosci. Remote. Sens. 2025

标识：

w4kf9IkeFn

学术质量 70 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-07-24 · 状态未知

基于摘要分析。本文研究人体骨架来源不同导致的关节维度与拓扑结构异构问题，提出由异构骨架处理和统一表示学习组成的框架，以支持不同骨架结构下的动作理解；主要研究对象是骨架动作表示，而非 EEG 或 BCI。 核心机制：异构骨架处理模块先通过辅助网络将二维骨架转换为三维骨架，再利用骨架特定提示构建带提示的统一骨架。作者还设计了名为 semantic motion encoding 的附加模态，用于利用骨架中的语义信息；统一表示学习模块则以共享骨干网络处理不同异构骨架，学习统一动作表示。相较于摘要所描述的面向同构骨架的方法，该工作的重点是显式处理输入维度与拓扑差异，而非仅为单一骨架结构建模。提示的具体形式、统一骨架的构造规则、语义编码方式、损失函数与监督条件尚未验证。 作者报告，在 NTU-60、NTU-120 和 PKU-MMD II 上的多种动作理解任务中，实验支持方法的有效性，并提出其可用于不同类人结构机器人的动作识别。摘要未提供具体任务划分、评估指标、数值、对照基线或机器人验证细节，因此不能量化改进，也不能判断跨骨架泛化范围；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若骨架特定提示确能将不同拓扑输入映射到共享表示，其思路可能对应 EEG 中不同电极布局与通道集合的输入异构瓶颈。这一假设依赖可对齐的通道空间信息与任务语义；可借鉴的是输入特定提示和共享编码器，需重新设计电极拓扑映射，不能直接沿用二维转三维骨架模块或动作语义编码。EEG 的低信噪比、被试差异与小数据可能使提示学习捕获采集系统差异而非任务信息。可检验的小实验是在同一 EEG 数据与固定被试划分下构造不同通道子集，比较提示加共享编码器与无提示共享编码器在未见通道组合上的表现；该实验仅检验通道异构适配，不构成跨被试有效性的证据。已有相关 EEG 工作尚未检索确认。

作者：

Hongsong Wang; Xiaoyan Ma; Jidong Kuang; Jie Gui

机构：

尚未验证

发表平台：

CVPR 2025

标识：

Bht2Ni9D3i

学术质量 73 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-12-16 · 状态未知

基于摘要分析。本文研究图像对中的双视图对应关系学习，即区分真实与错误的关键点匹配，提出基于 Mamba 的对应关系过滤模型 CorrMamba。核心贡献是结合选择性信息提取、可微因果顺序化学习与局部上下文增强，在筛除错误匹配时利用空间与上下文信息。 机制上，作者利用 Mamba 的选择性挖掘真实对应关系中的信息并减轻错误对应关系的干扰。针对无序关键点可能妨碍空间信息建模的问题，方法基于 Gumbel-Softmax 自主建立特征间的因果依赖，并保持顺序化过程可微；另设局部上下文增强模块，补充对应关系剪枝所需的线索。这里的“因果”是作者对序列学习机制的表述，摘要不足以确认其是否涉及因果推断意义上的识别或干预。具体排序规则、监督信号、损失函数及模块实现尚未验证。 作者报告，在相对位姿估计与视觉定位等实验中，CorrMamba 达到 SOTA；其中，室外相对位姿估计的 AUC@20° 相比此前 SOTA 提高 2.58 个百分点。摘要未提供数据集名称、划分、具体对照方法或绝对分数，因此不能据此比较其他评估协议。计算成本优势、消融及统计信息尚未验证。作者表示代码将公开，材料不能确认其已发布。 平台推测（待验证）：可迁移的机制假设是选择性状态更新有助于抑制不可靠特征，而可微顺序化可能用于组织无天然线性顺序的 EEG 通道或空间特征。但原任务依赖图像关键点对应关系及空间上下文，其具体监督与训练规模尚未验证；EEG 的低信噪比、跨被试差异、通道配置变化和小数据可能使学习到的顺序不稳定。可考虑复用选择性状态空间模块，改造顺序化输入与局部邻域定义；小规模检验可在固定 EEG 数据划分及训练预算下，对比固定通道顺序与可微学习顺序，并测试通道置换后的稳定性。该假设不代表已证实的 BCI 效果，已有 EEG 相关工作尚未检索确认。

作者：

Xiang Fang; Shihua Zhang; Hao Zhang; Tao Lu; Huabing Zhou; Jiayi Ma

机构：

尚未验证

发表平台：

CoRR 2025

标识：

hLwUYWmJEp

学术质量 72 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-08-01 · 状态未知

基于摘要分析。本研究针对 EEG 情绪识别中融合特征冗余可能引发维度灾难和模型过拟合的问题，提出 manifold of multiscale information fusion（MMIF）策略，通过学习局部与全局脑激活模式的多尺度融合流形，获得情绪 EEG 信号的有效表示。 技术机制上，MMIF 的核心是将多尺度特征融合与流形表示学习结合，而非仅增加融合特征的维度。摘要称该策略可自动学习融合信息的最优流形，但未说明局部与全局模式如何定义、多尺度特征如何提取、流形学习采用何种目标及优化过程。这里的多模态融合围绕 EEG 特征展开，不能据此认定研究同时采集了其他生理信号。 作者报告，离线和在线 EEG 情绪识别实验均支持 MMIF 的有效性与可行性；分析实验还支持其判别能力和认知可解释性。不过，摘要未提供数据集、被试数量、情绪类别、被试内或跨被试划分、对照方法及具体指标，因此无法判断性能提升幅度、泛化范围或在线系统的实时开销。认知可解释性的证据形式也尚未验证，不能将其直接等同于已建立的神经机制解释。 该工作直接面向 EEG 情绪解码，并提出用于在线情感 BCI 的潜在应用方向。复现时需核对特征构造、融合与流形学习步骤，以及训练和在线推理的关系；尤其应确认特征学习是否限定于训练数据、在线评估的校准条件，以及融合和流形表示各自的贡献。实验协议、消融及统计信息尚未验证，现有摘要不足以确定其跨被试或跨会话适用性。

作者：

Cunbo Li; Shuhan Zhang; Yufeng Mu; Lei Yang; Yueheng Peng; Fali Li; Yangsong Zhang; Zhen Liang; Zehong Cao; Feng Wan; Dezhong Yao; Peiyang Li; Peng Xu

机构：

尚未验证

发表平台：

IEEE Transactions on Affective Computing

标识：

5XiZaueVJZ

学术质量 64 / 100 · 兴趣权重 2 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。本文聚焦面向严重言语生成障碍人群的言语想象（Speech Imagery，SI）BCI，综述利用深度学习从 EEG 中解码想象言语的研究，旨在梳理实验范式、预处理需求、输入表征及技术发展方向，而非提出新的解码模型或报告临床有效性。 作者介绍，其检索覆盖科学与工程领域的主要数据库，并从数据集、预处理、输入表征、深度学习架构和性能评估五个维度分析 SI 解码文献。综述关注哪些范式更适用、是否需要预处理、如何构造模型输入，以及深度学习技术的当前发展方向；在此基础上总结主要发现、提出实践建议，并讨论实际挑战与未来研究方向。摘要未展开这些问题的具体答案，因此尚不能据此确定推荐的预处理流程、输入形式或模型架构。 作者概述深度学习进展推动了该领域改善，但摘要未提供具体指标、对照基线或评估协议，不能据此量化性能提升，也不能推断跨被试、跨会话或临床场景下的有效性。检索范围与纳入排除标准、各数据集的任务及被试构成、数据划分、性能指标和统计信息尚未验证。 阅读全文时可重点核对：不同 SI 任务与范式是否分别比较；预处理、输入表征和架构选择的建议是否有一致的评估依据；被试内、跨被试及跨会话结果是否明确区分。该文的可用贡献主要是文献组织与实践建议，具体方法选型仍需结合纳入研究的原始实验条件判断。

作者：

Liying Zhang; Yueying Zhou; Peiliang Gong; Daoqiang Zhang

机构：

尚未验证

发表平台：

IEEE Trans. Cogn. Dev. Syst. 2025

标识：

qaQ5an6Bi0

学术质量 66 / 100 · 兴趣权重 2 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-05-16 · 状态未知

基于摘要分析。本文研究视频理解中的时序动作定位（Temporal Action Localization，TAL），提出将状态空间模型（SSM）与 Efficient Temporal Attention（ETA）结合的 SS-ETA 模块，旨在改善视频动作的时序特征提取、长程依赖建模与模型可扩展性。原研究对象是视频动作定位，并非 EEG 或 BCI。 机制上，作者将 SSM 用于时序序列特征提取，将 ETA 用于捕获重要特征及长程依赖。摘要以 Mamba 与 Video Mamba 为背景，但未明确所提模型是否直接采用其具体实现，也未给出 SS-ETA 的连接方式、注意力计算、损失函数、训练流程或推理复杂度，相关细节尚未验证。摘要对既有多尺度特征金字塔、transformer 和 anchor-free 方法局限的描述属于作者观点，不能据此认定这些方法普遍无效。 作者报告在多个数据集上取得 TAL 性能改善，但摘要未提供数据集名称、数据划分、对照基线、评价指标或具体数值，因此尚不能判断改善幅度及效率收益。实验协议、消融及统计信息尚未验证；复现需进一步核对输入视频特征、动作边界监督、模块实现及训练配置。 平台推测（待验证）：若 SS-ETA 的收益确实来自通用时序建模与关键片段选择，而非视频特征或任务特定设计，它可能对应 EEG 长记录中事件边界识别与长程上下文建模的需求。可考虑复用序列模块，但需改造多通道输入编码、时间尺度与事件定位输出，并确认其监督和数据规模要求。低信噪比、通道配置变化、跨被试差异及小样本可能使注意力偏向伪迹或导致过拟合。一个可检验的小实验是在具有事件起止标注的 EEG 数据上，固定输入编码和跨被试划分，对比 SSM、ETA 与 SS-ETA 的事件定位表现及推理成本；这只是迁移假设，不是已有 EEG 结果。相关 EEG 工作尚未检索确认。

作者：

Yicheng Qiu; Feng Sha; Li Niu

机构：

尚未验证

发表平台：

Crossref

标识：

eDU3VxPKOz

学术质量 57 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。该研究针对 VR 晕动症主要依赖体验后主观问卷、受限运动实验难以刻画症状动态变化的问题，提出利用被动监测的 EEG 与头部运动信号，连续识别并量化用户在自由交互 VR 中的晕动症程度。 方法以 EEG 多窗谱估计（Multitaper Spectrum Estimation）为核心，并结合针对运动伪迹的 EEG 处理技术。作者报告，该方法能够实时追踪晕动症水平，且检测无需用户特定的校准或个性化。摘要未说明头部运动信号如何参与估计、伪迹处理的具体步骤、谱特征如何映射至症状程度，以及是否采用学习模型；这些机制尚未验证。 相较于体验后问卷和运动受限的实验设置，研究的主要贡献在于面向自由交互场景的连续监测，以及降低个体校准需求。作者报告发布了方法实现和一个包含 16 名参与者、总计约 2 小时记录的数据集；这一规模描述不能替代有效性评估，摘要未提供检测性能、量化误差、实时延迟或对照结果。 复现时应核对晕动症标签及其时间分辨率、EEG 与头部运动的同步方式、被试与会话划分，以及无个体校准设定如何落实。尤其需验证输出反映的是症状变化还是运动相关信号，并检查自由运动条件下的稳定性。具体实验协议、消融及统计信息尚未验证，不能仅凭摘要将该方法视为已证实的客观症状测量工具。来源提供了代码链接，但代码与数据的可访问性、依赖环境及完整复现条件尚未核验。

作者：

Berken Utku Demirel; Adnan Harun Dogan; Juliete Rossie; Max Möbus; Christian Holz

机构：

尚未验证

发表平台：

IEEE Trans. Vis. Comput. Graph. 2025

标识：

G8vPL7Z1IT

学术质量 69 / 100 · 兴趣权重 2 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-05-15 · 状态未知

基于摘要分析。该研究针对高通道数 EEG 采集成本较高的问题，提出基于 Generative Adversarial Networks（GANs）的 EEG 超分辨率方法，从低空间分辨率 EEG 样本生成通道维度上采样的数据，以插补缺失通道。其主要研究对象是 EEG 空间分辨率提升，而非时间采样率提升。 方法通过生成式重建将低密度通道观测映射为高密度 EEG。摘要未披露生成器与判别器结构、损失形式、通道布局、上采样倍率，以及低分辨率输入如何构造，因此具体实现与训练监督条件尚未验证。 作者在一个 mental imagery 任务的 EEG 数据集上进行评估，并报告相对于 bicubic interpolation 基线，均方误差（MSE）与平均绝对误差（MAE）分别降低约 10^4 倍和 10^2 倍。上述结果限于该摘要所述实验；数据集名称、被试数量、数据划分、误差绝对值及归一化方式尚未验证，不能据此推断跨被试、跨会话或跨数据集表现。 作者进一步使用超分辨率数据训练原任务分类器，报告 Accuracy 仅有较小损失，但未提供具体数值及完整训练、测试配置。这为重建信号保留任务相关信息提供了初步证据，却不能单凭分类表现确认生成通道恢复了真实空间活动。复现时需核对缺失通道选择、真实高密度记录的参照方式，以及重建和分类评估的数据划分；实验协议、消融及统计信息尚未验证。降低真实硬件需求仍需结合实际低密度设备采集条件验证。

作者：

Isaac Corley; Yufei Huang

机构：

尚未验证

发表平台：

CoRR 2025

标识：

0WudYb3Sl1

学术质量 65 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2026-03-19 · 状态未知

基于摘要分析。该研究针对 EEG 同时包含任务信息与个人身份信息、隐私保护可能损害解码性能的问题，提出 ID-RemovalNet，旨在移除身份特征的同时保留并增强任务解码特征。 方法由三个模块构成：身份去相关分离模块用于去除身份特征并减少对任务特征的干扰；多域多层级融合特征提取模块用于提取 EEG 时频特征；特征增强模块用于补偿身份移除过程中损失的任务特征，并促进主导特征选择。摘要将生成式方法与添加微小扰动的方法作为既有路线，本文的主要思路则是结合身份特征分离与任务特征补偿。具体网络结构、去相关约束、损失函数、训练监督及推理流程尚未验证。 作者报告，在涵盖两种范式的四个 EEG 数据集上，身份信息被移除至 0.43%，任务解码 Accuracy 提升 3.28%，并在 Cross-subject EEG 实验中达到作者所称的最先进性能。摘要未说明 0.43% 对应身份识别 Accuracy、信息残留比例还是其他指标，也未明确 3.28% 是相对提升还是百分点差值，因此不能进一步解释其隐私强度或提升幅度。数据集名称、范式、被试数、划分方式、对照基线及上述数字的汇总方式尚未验证。 阅读全文时，应重点核对身份评估与任务评估是否使用独立测试数据、身份攻击者的能力与训练条件，以及身份去相关和特征增强模块各自的贡献。身份识别表现下降不直接等同于对不同攻击方式均有效的隐私保障；摘要所述结果仍需结合威胁模型、实验协议、消融及统计信息判断。代码、预处理流程与复现条件尚未验证。

作者：

Huabin Wang; Jie Ruan; Cunhang Fan; Yingfan Cheng; Zhao Lv

机构：

尚未验证

发表平台：

IJCAI 2025

标识：

NrWtoSEfs1

学术质量 73 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-10-15 · 状态未知

基于摘要分析。该研究针对多曝光高动态范围（HDR）图像重建中，由物体位移及输入低动态范围（LDR）图像欠曝光或过曝光引起的重影伪影，提出 FLASH-S 和 FLASH 两种架构。核心贡献是在图像特征增强中引入 Vision Mamba 状态空间模型（SSM），并在 FLASH 中进一步使用光流对齐输入图像。 机制方面，FLASH-S 使用基于 Vision Mamba 的注意力模块处理提取的图像特征，并沿四个方向将特征序列化；作者将这一设计解释为使序列中各图像 patch 获得同等重视。FLASH 则在此基础上加入光流对齐，以处理多曝光输入之间的空间位移。摘要未提供模块结构、损失函数、训练设置或光流实现，四方向扫描和对齐模块各自的贡献尚需全文核对。 评估使用 Kalantari、SynHDR 和 Tursun 数据集。作者报告，基于七项质量指标和三项计算成本指标，FLASH-S 与 FLASH 优于所比较的先进算法，并称 FLASH 在定性重建、泛化能力及真实环境测试中表现更好。摘要未列出具体指标名称、数值、数据划分、对照方法及泛化测试协议，因此无法判断优势幅度、统计可靠性或不同评估条件下的一致性。实验协议、消融及统计信息尚未验证。材料提供了源码仓库，但代码完整性、预训练权重和复现依赖尚未核实。 平台推测（待验证）：可讨论的跨领域假设仅限于多方向 SSM 扫描对结构化特征的建模，不是将 HDR 重建直接视为 BCI 方法。原任务依赖多曝光图像的空间对应关系；若用于 EEG，需重新定义时间与通道的序列组织，并处理通道拓扑差异，图像光流对齐不能直接照搬。可复用候选是 SSM 特征处理模块，需改造的是输入编码、扫描路径和任务输出。低信噪比、跨被试分布变化及小数据训练可能使多方向扫描收益消失。一个可证伪的小实验是在固定 EEG 数据划分、训练预算和近似参数量下，对比单向与多方向扫描，检验后者是否带来稳定增益；已有 EEG 相关工作尚未检索确认。

作者：

Josue Lopez-Cabrejos; Lucas Carvalho; Quefren Leher; Gustavo Ferreti; Thuanne Paixão; Ana Beatriz Alvarez; Diodomiro Baldomero Luque

机构：

尚未验证

发表平台：

IEEE Access

标识：

cWphaW56z2

学术质量 71 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2026-09-11 · 状态未知

基于摘要分析。本文研究条件扩散模型在小数据场景下的迁移学习为何能够提高样本效率，并从表征学习角度给出理论分析：假设不同任务的条件信息具有共享的低维表征，利用源任务学得的表征降低目标任务的数据需求。 核心机制是对条件信息进行跨任务表征复用，而非摘要已明确的某种扩散网络结构。作者报告，在源任务表征学习充分的前提下，目标任务的样本复杂度可显著降低。该结论依赖共享低维条件表征假设；具体复杂度界、表征误差如何影响迁移收益、源任务数量与样本规模要求，以及理论适用的分布条件均尚未验证。摘要未给出损失函数、训练流程或目标任务适配方式，不能据此判断哪些模块被冻结或微调。 作者报告，论文还考察了理论结果在若干条件扩散模型实际应用中的含义，并开展数值实验验证。摘要未提供应用名称、数据集、对照基线或实验数值，实验协议、消融及统计信息尚未验证，因此暂不能量化其相对从头训练的优势。 平台推测（待验证）：若 EEG 条件生成任务之间确实共享低维条件结构，该理论可能为跨被试或跨会话的小样本适配提供分析视角。可复用的是源任务条件表征及其迁移分析思路；需改造的是 EEG 条件编码、通道差异处理和目标分布适配。低信噪比、被试差异或小规模源数据可能使共享表征假设不成立。一个可检验的小实验是：在固定目标被试训练样本量、严格隔离测试数据的条件下，比较复用源被试条件表征与从头训练的条件扩散模型，并随目标样本量变化评估生成质量及条件一致性。该建议属于机制假设，不代表已证实的 BCI 效果；相关 EEG 工作尚未检索确认。

作者：

Ziheng Cheng; Tianyu Xie; Shiyue Zhang; Cheng Zhang

机构：

尚未验证

发表平台：

CoRR 2025

标识：

8ktQYzCrUs

学术质量 77 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-05-14 · 状态未知

基于摘要分析。本研究关注预训练 LLM 的上下文信息检索如何受到时间位置与语义关系的共同影响，通过重复 token 序列探测 Transformer 与状态空间模型能否区分并检索出现在不同位置的事件，主要贡献是隔离时间位置效应并比较不同架构的检索偏置。 核心实验在输入序列中多次呈现同一 token，并让该 token 再次出现在序列末尾；固定这些重复 token 的位置，同时置换其他 token，以减少语义混杂，再考察下一 token 的预测概率。作者报告，在所考察的多种序列中，模型倾向于为此前重复 token 后接的 token 分配最高概率，但更偏向输入开头或末尾附近的候选，而不是均匀检索各次出现后的信息。 作者报告，一项消融实验将 Transformer 中的这一现象与 induction heads 联系起来；在具有部分语义重叠的不同上下文中，提示中部的记忆也更难被可靠检索。尽管架构不同，状态空间模型与 Transformer 表现出相近的时间偏置。上述结果属于上下文检索与下一 token 预测行为，不等同于证明模型具有人的情景记忆机制。具体模型、序列长度、置换方案、检索指标、效应大小及消融实施方式在摘要中未披露，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其位置控制与干扰置换方法可作为 EEG 长序列模型的诊断工具，检验模型是否更依赖窗口边缘而忽略中部事件；这是假设，不是已证实的 BCI 效果。可复用的是位置控制和检索探测思路，需将离散 token 与下一 token 概率改造为 EEG 事件片段及对应任务读出。小规模可证伪实验可在相同背景 EEG 的不同位置嵌入同一事件片段，比较模型识别该事件的稳定性，同时控制裁剪、位置编码和边界伪迹。低信噪比、通道差异、跨被试变化及小数据均可能掩盖或混淆位置效应；已有 EEG 相关工作尚未检索确认。

作者：

Anooshka Bajaj; Deven Mahesh Mistry; Sahaj Singh Maini; Yash Aggarwal; Zoran Tiganj

机构：

尚未验证

发表平台：

CoRR 2025

标识：

ru6ZpglVlh

学术质量 77 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2026-04-13 · 状态未知

基于摘要分析。本文研究高光谱图像（HSI）中的无监督异常检测，目标是从背景中识别未知目标，而非 EEG 或 BCI 解码。作者提出 Asymmetrical Consensus State Space Model（ACMamba），通过区域级实例替代密集像素级训练样本，并结合 Mamba 模块与共识学习，降低计算成本、改善异常检测。 核心机制建立在同质区域内样本存在冗余这一观察上：非对称检测范式以区域级实例减少训练采样负担，Mamba 模块用于提取对 HSI 重建重要的区域全局上下文属性。共识学习从优化角度同时促进背景重建与异常压缩，以缓解异常被重建所带来的负面影响。摘要未说明区域构建、采样规则、非对称结构的具体实现、损失形式及异常评分方式，这些细节尚未验证。 作者报告，理论分析及八个基准上的实验支持 ACMamba 的优势，相比所比较的先进方法具有更快速度和更强检测性能。但摘要未给出基准名称、数据划分、指标数值、基线配置或计时条件，因此尚不能量化收益，也不能据此认定其在其他协议下同样有效。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移线索主要是“利用同质区域冗余减少采样”，而不是直接把 HSI 异常检测视为 BCI 方法。若 EEG 长记录中存在近似平稳且重复的背景片段，可假设以代表性片段替代密集窗口，复用采样策略与序列上下文建模；但需重新定义时间片段、通道关系及异常目标。低信噪比、跨被试差异、通道变化和小数据可能破坏同质性假设，异常压缩也可能损伤稀有但有效的神经事件。一个可检验的小实验是在固定 EEG 异常检测任务与相同数据划分下，对比密集窗口和代表性片段训练，记录检测指标、训练时间及稀有事件漏检情况。已有 EEG 相关工作尚未检索确认。

作者：

Guanchun Wang; Xiangrong Zhang; Yifei Zhang; Zelin Peng; Tianyang Zhang; Xu Tang; Licheng Jiao

机构：

尚未验证

发表平台：

CoRR 2025

标识：

1OJ6xC5suY

学术质量 74 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-08-02 · 状态未知

基于摘要分析。本文研究高光谱图像（HSI）的地表覆盖分类，针对低空间分辨率、复杂光谱信息以及 Transformer 长程依赖建模的二次计算复杂度，提出空间—光谱状态空间模型 S2Mamba，以两个维度的上下文提取和自适应融合改善分类效率与效果。来源标题使用 SMamba，摘要中的方法名为 S2Mamba，二者命名关系尚未核对。 机制上，方法采用两套选择性结构化状态空间模型（SSM）：空间分支通过 patch cross scanning（PCS）模块使像素与邻近像素交互，提取空间上下文；光谱分支通过 bidirectional spectral scanning（BSS）模块处理连续光谱波段，提取光谱语义。spatial-spectral mixture gate（SMG）由一组可学习矩阵实现，用于自适应融合两个维度的表征。其关键结构依赖图像邻接关系与有序光谱波段，而非仅将全部输入展平为单一序列。 作者报告，在 HSI 分类基准上的广泛实验显示 S2Mamba 的优势与潜力，但摘要未提供具体数据集、划分、对照配置、指标或实测计算开销。线性复杂度是摘要对 Mamba 长程建模的描述，不能直接等同于完整系统的实测加速；实验协议、消融及统计信息尚未验证。摘要表示代码将公开，实际可用性尚未确认。 平台推测（待验证）：双维度扫描与门控融合可能用于 EEG 的通道空间关系和有序频率特征建模，但这是迁移假设，不是论文已验证的 BCI 贡献。可复用部分是 SSM 扫描与融合思路；需改造空间扫描以适配电极布局，并明确频率特征的构造方式。EEG 通道稀疏、低信噪比、跨被试差异及小样本训练可能使图像邻接假设或门控学习失效。一个可检验的小实验是在固定的跨被试划分下，比较双维度扫描加门控、单维度扫描及简单融合，并同时记录同一分类指标与计算开销。已有 EEG 相关工作尚未检索确认。

作者：

Guanchun Wang; Xiangrong Zhang; Zelin Peng; Tianyang Zhang; Licheng Jiao

机构：

尚未验证

发表平台：

IEEE Trans. Geosci. Remote. Sens. 2025

标识：

RO3oNMUg17

学术质量 70 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-07-21 · 状态未知

基于摘要分析。CodeBrain 面向通道配置、序列长度和任务目标差异导致的 EEG 模型迁移困难，提出将时频解耦 Tokenizer 与多尺度架构结合的两阶段 EEG 基础模型，以增强异质信号表征和长短程依赖建模。 第一阶段，TFDual-Tokenizer 分别对时间与频率成分进行离散化。作者称，这种解耦方式使离散表征空间获得平方级扩展，并可通过跨域 token 分析提供一定可解释性；具体码本配置、组合方式及解释性验证尚未验证。第二阶段，EEGSSM 将结构化全局卷积与滑动窗口注意力结合，用于联合建模稀疏长程依赖和局部依赖，并以掩码自监督目标预测 TFDual-Tokenizer 生成的 token 索引。摘要未给出具体损失形式、掩码策略或训练规模。 相较于全连接 Transformer，作者将 EEGSSM 的设计解释为更贴近脑网络的小世界拓扑，并更高效地捕捉 EEG 的多尺度结构。这是作者的结构动机与结论，尚不能据此认定模型已验证真实脑连接结构，或在计算开销上具有确定优势。 作者报告，在 10 个公开 EEG 数据集上采用 linear probing 评估，结果支持 CodeBrain 的泛化能力。摘要未提供数据集名称、任务、被试数量、划分方式、对照基线和指标数值，因此无法判断其证据对应被试内、跨被试、跨会话还是跨数据集泛化，也不能直接比较不同协议下的性能。 复现时需核对时频解耦与多尺度模块各自的贡献、不同通道配置和序列长度的处理方式，以及预训练与下游评估的数据关系。实验协议、消融及统计信息尚未验证。作者表示代码与预训练权重将在未来版本发布；当前材料不能确认其已公开，也不能据此归类为模型或软件发布。

作者：

Jingying Ma; Feng Wu; Qika Lin; Yucheng Xing; Chenyu Liu; Ziyu Jia; Mengling Feng

机构：

尚未验证

发表平台：

CoRR 2025

标识：

KI9Ta98NDP

学术质量 75 / 100 · 兴趣权重 3 · 按原研究证据理解，不推断适用范围

• openreview · 元数据快照 · 2025-07-26 · 状态未知

基于摘要分析。本文研究高光谱异常检测（HAD），针对现有学习方法难以同时利用空间稀疏性与光谱间相似性、对区分背景和异常的高频信息关注不足的问题，提出空间—光谱自适应双域学习方法 SSHAD。其核心是结合状态空间建模与频率分解，在背景重建过程中抑制异常重建。 方法将空间选择状态空间模块（SSSM）与光谱频率划分自注意力模块（FDSM）并行组成 SS-block。SSSM 通过多方向扫描高光谱影像的空间维度获取全局感受野；FDSM 利用离散小波变换（DWT）分离高、低频信息，并分别采用多尺度卷积和自相似注意力处理。作者称该并行结构可建立跨窗口联系、扩大感受野，同时保持线性复杂度。SSHAD 以 SS-block 为主要组件，另引入频率损失，在背景重建时抑制高频异常的重建；损失公式及其与其他训练目标的组合尚未验证。 作者报告，在四个公开数据集和两个无人机（UAV）载高光谱数据集上的实验支持 SSHAD 的优势与有效性。摘要未提供数据集名称、划分、对照方法、指标或具体数值，无法判断优势幅度及跨场景稳定性；实验协议、消融及统计信息尚未验证。摘要表示代码将公开，当前可用性尚未核实。 平台推测（待验证）：迁移假设仅涉及多方向状态空间建模与频率分解机制，不涉及已证实的 EEG/BCI 效果。原方法依赖空间—光谱影像结构与背景重建目标，其监督方式和训练规模尚未明确。若用于 EEG 异常片段检测，可考虑复用频率分解与重建框架，但需将空间扫描改为适配电极拓扑和时间序列的建模，并重新定义异常目标。EEG 高频成分既可能是伪迹，也可能包含有效神经活动，直接抑制可能损伤信号；低信噪比、跨被试差异、通道配置变化与小数据也可能使背景重建失效。一个可检验的小实验是在固定跨被试划分下，对比相同重建骨架有无频率损失的异常检测表现与有效信号保真度。已有 EEG 相关工作尚未检索确认。

作者：

Sitian Liu; Lintao Peng; Xuyang Chang; Zhen Wang; Guanghui Wen; Chunli Zhu

机构：

尚未验证

发表平台：

IEEE Trans. Geosci. Remote. Sens. 2025

标识：

ATeurwB8wN

学术质量 72 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-06-05 · 状态未知

基于摘要分析。GroupMamba 针对纯状态空间模型（SSM）在计算机视觉中扩大模型规模时的训练不稳定与效率问题，提出结合分组扫描、通道调制和蒸馏训练的视觉模型，以改善参数效率及大模型训练稳定性。 核心机制是 Modulated Group Mamba 层：将输入通道划分为四组，每组独立应用一个 Visual Single Selective Scanning（VSSS）块，分别沿四个空间方向之一扫描；再通过通道调制算子改善跨通道信息交流。作者还引入基于蒸馏的训练目标，并报告其带来稳定性改善和一致的性能增益。摘要未说明蒸馏教师、具体损失形式及训练配置，这些细节尚未验证。 作者报告在 ImageNet-1K 图像分类、MS-COCO 目标检测与实例分割、ADE20K 语义分割上优于现有方法。其中，23M 参数的 tiny 变体在 ImageNet-1K 分类评估中取得 83.3% top-1 Accuracy；作者称相较同模型规模下最佳现有 Mamba 设计，参数效率改善 26%。摘要未给出该对照模型名称、效率计算口径及完整评估设置，因此不将这一比例解释为计算量或推理速度提升。实验协议、消融及统计信息尚未验证。作者提供了代码与模型地址，但实现和复现条件尚未核验。 平台推测（待验证）：假设分组扫描与通道调制能用于 EEG 的长时序建模和跨通道交互，其原始机制依赖视觉空间方向及特征通道结构，不能直接等同于电极拓扑。可复用候选是分组处理、SSM 扫描和通道调制；需要改造扫描轴、分组依据及输入表示。低信噪比、跨被试差异、通道配置变化和小数据可能使分组削弱有效关联，也可能限制蒸馏收益。一个可证伪的小实验是在固定 EEG 数据划分、训练预算及参数量下，对比普通 SSM、分组扫描和加入通道调制的版本，分别检验被试内与跨被试性能及多次训练的波动。该假设不属于论文已验证结果；已有 EEG 相关工作尚未检索确认。

作者：

Abdelrahman M. Shaker; Syed Talal Wasim; Salman H. Khan; Juergen Gall; Fahad Shahbaz Khan

机构：

尚未验证

发表平台：

CVPR 2025

标识：

qYInOfdqdp

学术质量 75 / 100 · 兴趣权重 3 · 机制对应，EEG/BCI 效果尚未验证

• openreview · 元数据快照 · 2025-11-04 · 状态未知

基于摘要分析。本文研究全球气象站天气预测（Global Station Weather Forecasting，GSWF），重点解决极端天气事件难以高精度预测的问题，提出基于 Mamba 的 Weather State-space Model（WSSM），通过地理信息增强与多尺度时频特征建模适配这一任务。 核心机制：作者指出，早期研究中 Mamba 在 GSWF 上表现不佳，因此需要针对任务进行改造。WSSM 在常用位置编码之外引入地理知识，以表征绝对时空位置；同时由粗到细融合多尺度时频特征，尝试覆盖从季节变化到极端天气的动态。摘要未说明地理信息的具体编码形式、时频特征提取方法、层次化结构、损失函数及训练与推理流程，不能据此确定实现细节。 结果与证据边界：作者报告，WSSM 提升了整体预测准确性与极端天气预测表现，并在 Weather-5K 子集上取得 state-of-the-art 结果。摘要未提供该子集的构成、时间划分、对照模型、评价指标或具体数值，因此这些结论仍需结合正文核对，不能将天气预测的“准确性”直接理解为分类 Accuracy。实验协议、消融及统计信息尚未验证，代码与复现条件也尚未验证。 平台推测（待验证）：可探索的迁移假设是，多尺度时频融合可能帮助 EEG 建模不同时间尺度的信号变化，而气象站地理信息编码可考虑改造成电极空间位置编码；这不意味着季节或极端天气机制与 EEG 机制等价。可复用候选是 Mamba 时序建模与多尺度融合，需改造输入、空间编码、时间尺度及任务输出。EEG 的低信噪比、跨被试差异、通道布局变化和小数据规模均可能使迁移失败。一个可证伪的小实验是在固定 EEG 任务与相同数据划分下，对比基础 Mamba、加入多尺度融合及进一步加入电极位置编码的模型，分别报告被试内与跨被试结果，检验增益是否稳定。已有相关 EEG 工作尚未检索确认。

作者：

Songru Yang; Zili Liu; Zhenwei Shi; Zhengxia Zou

机构：

尚未验证

发表平台：

CoRR 2025

标识：

lf1uO7wzQi

学术质量 70 / 100 · 兴趣权重 3 · 前沿观察，迁移价值待评估

• openreview · 元数据快照 · 2025-03-08 · 状态未知