研究人员开发了一种名为堆叠 LoRA 的新自适应策略，以提高脑电图 (EEG) 基础模型在脑机接口 (BCI) 中的性能。该方法通过将低秩自适应层划分为在所有受试者之间训练的全局适配器和用于个体自适应的受试者特定适配器来解决受试者间变异性的挑战。在多个基准测试上的实验表明，堆叠 LoRA 通过有效减轻受试者间变异性，显著提高了运动想象分类的准确性，其中全局和受试者特定自适应之间的最佳平衡取决于目标人群。 AI
影响 增强了主题自适应的脑电图基础模型，有可能提高 BCI 的准确性并减少重新校准的需求。
排序理由 该集群包含一篇详细介绍基础模型自适应新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
