已完成
回答：ERP 成分的潜伏期会因注意力、疲劳或病理状态而变化。在 P300 或 N400 speller 中，将潜伏期差异纳入特征向量可提升对认知状态变化的敏感度，辅助检测注意力下降或认知负荷变化。...
已完成
回答：自适应空间滤波器（如递归 CSP）可根据最新数据段调整空间投影矩阵，以适应神经信号的非平稳性。该方法在长时程在线 BCI 中能维持解码性能稳定，但需平衡更新频率与计算开销。...
已完成
回答：条件互信息在控制其他变量影响下衡量特征与类别的关联，可选出对分类最具判别力且冗余度低的特征。相比普通互信息，它能减少特征间相关性带来的偏倚，提高分类器稳健性。...
已完成
回答：除发放率外，神经元放电的精确时间（毫秒级）可编码运动参数信息。通过分析脉冲序列的时间间隔分布、事件锁定时间直方图（PSTH）等，可提取高分辨率运动方向或速度特征，但需处理尖峰排序与噪声干扰。...
已完成
回答：多任务学习在同一网络中同时学习多个相关任务（如运动想象分类 + 情感识别），通过共享底层特征提取层提高数据利用率与泛化能力。在 BCI 中，可缓解单一任务数据不足问题，并促使网络学习更通用的神经...
已完成
回答：ResNet 通过引入残差连接缓解深层网络的梯度消失问题，使模型能够学习更深层次的时空特征。在 EEG 分类中，ResNet 可堆叠多个卷积块提取从低级波形到高级任务相关模式的特征，特别适合长时...
已完成
回答：自编码器通过重构输入信号学习紧凑的低维表示，可在无标签或少量标签情况下提取 EEG 的潜在特征。在 BCI 中常用于预训练或降维，配合少量标注数据进行微调可提升小样本性能。...
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。...
已完成
回答：分层贝叶斯模型可在不同层次对神经信号、生理信号、行为数据进行联合建模，捕捉跨模态的统计依赖与个体差异，适合复杂任务（如情感 BCI 与认知负荷评估）的多源信息融合。...
已完成
回答：MR 可将神经反馈与虚拟/真实环境融合，提供沉浸式、情境化的训练场景（如在虚拟篮球场中通过运动想象控制投篮），提升动机与训练迁移效果。需保证反馈延迟低，以免破坏沉浸感。...
已完成
回答：稀疏表示假设测试信号可由训练样本的稀疏线性组合重构，通过求解 L1 正则化的最小二乘问题获得稀疏系数，再以系数模式判别类别。该方法对噪声鲁棒，适合小样本 EEG 分类。...
已完成
回答：DCM 基于生物物理模型推断脑区间的因果连接及其任务调制效应，可用于研究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，为 BCI 解码提供网络层级的特征依据。...
已完成
回答：通过对抗训练在特征提取阶段引入域判别器，迫使网络学习域不变特征，从而减少不同受试者之间的分布差异。该方法在跨用户 BCI 中可显著降低校准需求，提升模型泛化能力。...
已完成
回答：TCN 通过膨胀卷积扩大感受野，可捕捉 EEG 中的长时时序模式，适合连续运动解码与情感状态识别。相比 RNN，TCN 训练更稳定且可并行计算，在长序列任务中性能优越。...
已完成
回答：通过优化电极间距、阵列形状与覆盖区域，可最大化捕获目标皮层区域的神经活动并减少容积传导效应。计算方法包括电场仿真与信息论指标（如 Fisher 信息量），以指导植入位置与阵列设计。...
已完成
回答：贝叶斯优化通过构建目标函数的概率模型，在少量试验内找到最优超参数组合，适合 BCI 中深度学习模型的训练（如卷积核尺寸、学习率、正则化系数），可显著提升调参效率并避免局部最优。...
已完成
回答：流形学习可在保留数据局部或全局结构的前提下将高维特征降至 2D/3D，用于可视化不同类别或状态的分布，辅助特征工程与模型调试。虽多用于离线分析，但其降维结果也可作为后续分类器的输入特征。...
已完成
回答：TRPC 直接计算任务期相对于基线的功率百分比变化，可避免绝对功率受个体与通道差异影响，提升跨被试一致性。结合空间滤波（如 CSP）可进一步增强分类性能。...
已完成
回答：在部分 BCI 场景中，一次试次中可能仅部分时间段包含有效任务信号。MIL 将试次视为“包”，包内片段视为“实例”，通过包级标签进行学习，可容忍标签模糊性，提升在噪声或低信噪比条件下的鲁棒性。...
已完成
回答：ANC 利用参考通道采集的伪迹信号（如 ECG、EMG）构建估计模型并从主信号中减去，适合处理与脑信号不同源但时间相关的干扰。关键在于参考信号与主干扰的高度相关性及模型实时更新能力。...