跨被试解码准确率提升17%
通过双向时序特征提取与逆格拉姆矩阵角度-尺度对齐，显著缩小跨被试脑电特征分布差异，提升运动想象分类准确率。
范存航 · Fan, Yang · Zhang, Jingjing · Jingpeng, Sun · Hao, Che · Su, Hu · Wen, Zhengqi · 吕钊
IEEE Transactions on Consumer Electronics 2025
通过角度和尺度对齐逆格拉姆矩阵，源域与目标域特征分布差异被最小化，新受试者无需大量校准数据。
EEGBiMamba 对一维脑电序列做双向建模，同时捕捉前向和后向时序依赖，比单向模型提取的特征更具区分性。
用 Kolmogorov-Arnold 网络替换多层感知机作为分类头，生成 M 维向量，增强了模型对跨域特征的适应能力。