本综述文章回顾了旨在提高脑电图（EEG）解码在不同受试者之间泛化能力的深度学习技术。文章讨论了高受试者间变异性带来的挑战，这种变异性会在训练数据和测试数据之间产生领域迁移。文章将现有方法分为特征对齐、对抗学习、特征解耦和对比学习等几类，并讨论了理论局限性和脑电图基础模型的潜力。 AI
影响 对用于跨主题脑电图解码的深度学习方法进行了结构化概述，强调了挑战和基础模型等未来方向。
排序理由 这是一篇关于脑电图解码深度学习方法的综述文章。
- adversarial learning
- arXiv
- contrastive learning
- deep learning
- EEG foundation models
- EEG
- feature alignment
- feature disentanglement
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
