已完成
回答：CF-PAC-GC 在跨频段耦合值上计算格兰杰因果，可揭示低频相位对高频振幅的有向驱动关系，适用于精细认知网络分析。...
已完成
回答：BEMS 通过计算不同空间滤波器结构的边际似然选择最优，可在保证性能的同时避免过拟合，提高跨会话稳定性。...
已完成
回答：CNN-DConv 通过学习偏移量调整感受野，可缓解因电极位置变化导致的空间模式失真，适合移动或穿戴式 BCI。...
已完成
回答：HMT-GCN 在顶层进行任务分类、底层学习脑功能网络特征，可共享底层连接表征并减少多任务干扰，适合网络层级 BCI。...
已完成
回答：MPE 在不同时间尺度计算排列熵，可量化 EEG 的复杂度变化，用于监测注意力波动或认知负荷的非线性动态。...
已完成
回答：JNTF 在多模态 EEG、眼动等数据构成的张量上进行联合非负分解，可提取跨模态共享的时空成分，适用于情感 BCI 的融合特征构建。...
已完成
回答：BWEC 在集成多个基分类器时根据各模型的后验置信度动态加权，可降低会话间分布差异的影响，提高长期性能一致性。...
已完成
回答：DFA 将因子分析嵌入深度网络，可学习高度非线性的潜在状态因子，用于捕捉 EEG 中隐含的认知或运动意图模式，适合少样本解码。...
已完成
回答：ATCN 可动态调整卷积核参数以适应不同输入长度，避免在实时系统中因试次长度差异导致性能波动。...
已完成
回答：MTGPC 在共享核函数下联合分类多个相关状态，可利用任务间相关性提升小样本分类精度。...
已完成
回答：KDE-AD 用核密度估计正常数据分布，将低密度区域试次标记为异常，可在预处理阶段提升数据质量。...
已完成
回答：CNN-Att 在卷积特征图上施加注意力权重，可强化任务相关通道的作用，提升空间判别力。...
已完成
回答：CSFS 将不同被试的特征映射到统一统计分布，可降低个体间分布差异，提高跨用户性能。...
已完成
回答：BOLC 在数据流入时在线更新后验分布，可适应非平稳信号分布，保持长期性能稳定。...
已完成
回答：RFFN 在递归框架中逐层融合不同尺度特征，可增强对长时时序和多尺度模式的捕捉能力。...
已完成
回答：MDGN 可生成覆盖多峰分布的样本，用于数据增强，缓解小样本与类别不平衡问题。...
已完成
回答：GLRFL 在特征学习时加入图拉普拉斯正则项，可保持样本局部结构，提升跨被试泛化能力。...
已完成
回答：ABS 根据实时信噪比与判别力自动调整所用频段，可提升不同任务阶段的分类性能。...
已完成
回答：BMAE 根据各模型的边际似然加权平均预测，可降低过拟合风险，提高集成性能稳定性。...
已完成
回答：CKPCA 将卷积引入核 PCA，可提取 EEG 的非线性空间特征，适用于复杂任务分类。...