基于置信度的 EEG 语音解码：向稳健脑机接口迈进
人工智能
2025-11-12 v1
摘要
从电脑图谱解码spoken commands 的非侵入式脑机接口必须同时具备准确性和可信赖性。我们提出了一种基于置信度的解码框架，将紧凑、面向语音的卷积网络深层集成与后验校准和选择性分类相结合。通过集成基于预测熵、Top-Two 边际和互信息的不确定性量化，并通过准确覆盖率的操作点决定是否放弃决策。该方法在多类spoken speech 数据集上进行评估，使用覆盖时间连续性的泄漏安全、分层划分。与广泛使用的基线相比，所提方法提供更可靠的概率估计，在操作点上实现更好的选择性性能，并实现各类别接受的平衡。这些结果表明，基于置信度的神经解码可以为真实世界的脑机接口通信系统提供稳健、面向部署的行为。
引用
@article{arxiv.2511.07890,
title = {Confidence-Aware Neural Decoding of Overt Speech from EEG: Toward Robust Brain-Computer Interfaces},
author = {Soowon Kim and Byung-Kwan Ko and Seo-Hyun Lee},
journal= {arXiv preprint arXiv:2511.07890},
year = {2025}
}