跨被试稳健识别
该网络通过同时构建动态和静态脑功能连接图，并引入连续图微分方程，提升了对情绪相关脑电信号中复杂时空模式的捕捉能力，从而在多种实验设置下实现了更高的识别精度。
Hu, Fo · Kailun, He · Can, Wang · Qinxu, Zheng · Zhou, Bin · Gang, Li · 孙宇
IEEE Transactions on Affective Computing 2025
同时构建动态和静态图拓扑，全面刻画脑功能连接状态，避免只依赖单一类型连接导致的信息缺失。
引入连续动态-静态图常微分方程，揭示脑电信号中连续演化的空间模式，而非仅在离散时间点建模。
采用分层 Transformer 融合模块，充分利用多域特征间的潜在关联，生成更具判别力的融合时空表示。
在三个公开数据集、跨被试和被试内两种设置下均超越现有最优方法，显示出对不同实验协议和个体的稳健性。