面向MI-BCI数据增强的保持黎曼几何变分自编码器
机器学习
2026-03-12 v1
摘要
本文解决了用于运动图式脑机接口（MI-BCI）应用的电脑脊波（EEG）协方差矩阵生成问题。目标：开发一种能够产生高保真合成协方差矩阵，同时保持其对称正定性的生成模型。方法：我们提出了一种保持黎曼几何的变分自编码器（RGP-VAE），集成几何映射与复合损失函数，组合包括黎曼距离、切空间重建精度和生成多样性。结果：该模型生成有效且具代表性的EEG协方差矩阵，同时学习到主题无关的潜空间。合成数据在MI-BCI中证明实用，其影响取决于所配分类器。贡献：本工作引入并验证了RGP-VAE作为EEG协方差矩阵几何保持生成模型，凸显了其在信号隐私、可扩展性和数据增强方面的潜力。
引用
@article{arxiv.2603.10563,
title = {Riemannian Geometry-Preserving Variational Autoencoder for MI-BCI Data Augmentation},
author = {Viktorija Poļaka and Ivo Pascal de Jong and Andreea Ioana Sburlea},
journal= {arXiv preprint arXiv:2603.10563},
year = {2026}
}
备注
6 pages, 4 figures, 2 tables