ASPEN：用于跨主体脑解码的谱-时序融合
机器学习
2026-02-19 v1 人工智能
人机交互
信号处理
摘要
基于EEG的脑机接口（BCI）中的跨主体泛化仍然具有挑战性，这是由于神经信号在个体间存在变异性。我们探讨了谱表示是否比时序波形提供更稳定的跨主体特征。通过对三种EEG范式（SSVEP、P300和Motor Imagery）进行相关性分析，我们发现谱特征在跨主体相似性上始终高于时序信号。基于这一观察，我们引入ASPEN，这是一个混合架构，通过乘法融合组合谱和时序特征流，要求跨模态一致性才能传播特征。在六个基准数据集上的实验结果表明，ASPEN能够根据范式动态实现最佳的谱-时序平衡。在三个数据集上实现最佳的未见主体准确率，在其他数据集上实现竞争性能，表明乘法多模态融合能够实现有效的跨主体泛化。
引用
@article{arxiv.2602.16147,
title = {ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding},
author = {Megan Lee and Seung Ha Hwang and Inhyeok Choi and Shreyas Darade and Mengchun Zhang and Kateryna Shapovalenko},
journal= {arXiv preprint arXiv:2602.16147},
year = {2026}
}