Euclidean Alignment

AI研究发现组合BCI组件可能降低性能

一篇新研究论文挑战了P300脑机接口（BCI）拼写器中组合更多组件总是能带来更好性能的普遍假设。研究发现，欧氏对齐（Euclidean Alignment）和语言模型等组件的有效性是条件性的，有时会导致反协同，降低整体性能。校准（Calibration）成为最重要的贡献因素，而在零校准场景下，欧氏对齐被证明是有用的。研究结果表明，流水线设计应更具选择性，应考虑可用脑电图（EEG）证据的质量，而不是仅仅包含所有潜在有益的组件。