已完成
回答：对不同时间步赋予与任务相关性成比例的权重，再执行 DTW，可减少无关时段对匹配结果的干扰，在 P300 与 SSVEP 检测中提升跨会话鲁棒性。...
已完成
回答：MTGP 假设不同任务共享部分超参数，可利用任务间相关性在少量数据下提升联合预测精度，适合需要同时监测多种认知状态的 BCI 系统。...
已完成
回答：核 TCA 将数据映射到高维再生核希尔伯特空间再进行域对齐，可更好处理 EEG 特征的非线性分布差异，在跨设备与跨被试 BCI 中提升迁移学习效果。...
已完成
回答：在 RNN（如 LSTM/GRU）中引入注意力层，可动态分配权重给不同时间步，使解码器聚焦于任务相关时段（如运动想象启动瞬间），提升连续解码的精度与连贯性。...
已完成
回答：SBL 在稀疏先验下学习空间投影矩阵，可自动抑制噪声通道并突出任务相关源，在跨被试与多会话应用中提高空间滤波的稳健性与可解释性。...
已完成
回答：认知负荷变化会调制特定低频相位与高频振幅的耦合强度（如 θ?γ PAC），提取该特征可用于在线监测注意力与疲劳状态，在脑控系统安全交互中提供辅助判断。...
已完成
回答：通过加权组合多神经元的调谐曲线，可实时估计连续运动方向，权重由当前发放率或 LFP 特征决定，能在神经信号漂移时通过自适应更新保持轨迹精度。...
已完成
回答：贝叶斯优化可在高维搜索空间中同时探索网络层数、卷积核尺寸、学习率等超参数，用较少试验找到性能优异的配置，适合 BCI 中深度学习模型的自动设计。...
已完成
回答：Multi-Scale CNN 通过并行使用不同卷积核大小的支路提取短时与长时特征，在 EEG 中可同时捕捉瞬时事件（如 SSVEP 峰值）与缓慢演变模式（如情感状态变化），提升复杂任务分类性能...
已完成
回答：cGAN 在生成器中引入任务标签条件，可生成指定范式（如左手运动想象、P300 刺激）的逼真 EEG 数据，用于数据增强与跨任务迁移学习，但需保证生成信号的神经生理合理性。...
已完成
回答：相位同步指标（如 PLV、PPC）随时间的变化可反映神经网络的瞬时重组过程，提取这些动态模式可增强对任务状态转换的敏感度，适用于注意力 BCIs 与快速响应控制场景。...
已完成
回答：Dynamic GCN 可根据 EEG 时序数据在每个时间窗更新图结构（节点为电极，边权为功能连接），捕捉任务诱发的脑网络动态变化，在运动想象与认知任务 BCI 中提升时空特征表达能力。...
已完成
回答：该方法在稀疏先验下学习发放率与连续运动参数之间的映射，并提供预测不确定性，可在神经元响应漂移或噪声干扰下保持稳健控制，适合长期神经假肢应用。...
已完成
回答：多模态自编码器通过共享隐空间将 EEG 的高时间分辨率特征与 fNIRS 的血氧动力学特征联合编码与解码，可学习跨模态的共同表征，在情感识别与认知负荷评估中提升鲁棒性与准确性。...
已完成
回答：元学习通过在多个源用户学习任务上训练一个“学会学习”的模型，使其在遇到新用户时仅需少量校准数据即可快速微调。常用方法包括 MAML（Model-Agnostic Meta-Learning）和 ...
已完成
回答：ERSP 通过短时傅里叶变换计算任务期相对于基线的功率变化，并以时间-频率图呈现，可直观观察 ERD/ERS 等动态过程。该特征是运动想象与语言想象 BCI 的重要分析工具，有助于选取任务相关频...
已完成
回答：分层贝叶斯模型可在不同层次对 EEG、心率变异性、皮肤电导等进行联合概率建模，捕捉跨模态统计依赖与个体差异，适合情感识别与认知负荷评估等多源信息融合任务。...
已完成
回答：MR 将神经反馈嵌入虚实融合场景，可在真实空间完成交互任务（如在 MR 球场通过运动想象控制虚拟投篮），提升训练动机与技能迁移效果。关键技术是保证反馈延迟低于感知阈值以维持沉浸感。...
已完成
回答：通过在线或离线字典学习构建与任务高度匹配的原子集合，SRC 可在试次稀少或跨被试场景下保持较高分类性能，且对噪声与通道失效具有天然鲁棒性。...
已完成
回答：DCM 基于生物物理生成模型估计脑区间的因果连接及其在任务条件下的调制效应，可揭示运动想象或刺激任务中感觉运动网络、注意网络的动态交互机制，为网络层级解码提供理论基础。...