- 基于边缘智能脑机接口应用的神经解码骨干算法评估
传统侵入性脑机接口通常依赖于在实验室环境中工作站上进行的神经解码过程，制约了其日常使用。本研究旨在识别一种在边缘设备上实施的具有强大性能和快速推理能力的最佳神经解码框架。通过进行一系列神经解码实验，评估四个潜在的模型（Gated Recur - 利用 fMRI 数据的大脑预测编码进行语言重建
提出了一种用于神经解码和脑预测的新模型 extsc {PredFT}，它结合了主要解码网络和用于预测编码的辅助网络，并通过交叉注意力将脑预测编码表示融入主要解码网络以促进语言模型的生成过程。在最大 BLEU-1 分数为 27.8% 的自然 - 通过潜在扩散模型从脑电数据中的自然音乐解码
使用潜在扩散模型重构音乐，利用非侵入性脑电图数据进行训练并提出神经嵌入度量标准，同时进行生成曲目的歌曲分类，从而探究使用脑电图数据进行复杂听觉信息重构的可行性。
- 稀疏贝叶斯 Correntropy 学习：从嘈杂的脑信号重建强壮肌肉活动
通过集成最大正相关性准则（MCC）于稀疏贝叶斯学习方法中，本文提出了一种新的稀疏贝叶斯相关性学习框架，以实现同时的鲁棒性和稀疏性，通过实验结果验证了该方法在噪声回归任务和真实肌肉活动重建任务中的鲁棒性提升，为神经解码提供了强大的工具，可推动 - 语义向量的大脑基础改善了对视觉刺激的神经解码
提出了一种神经解码的表示学习框架，通过微调预训练特征向量以更好地与人脑中的视觉刺激的神经表示对齐，从而提高大脑解码算法的性能。
- 基于深度视觉表示模型的从脑电图信号重建视觉刺激图像
本文提出了一种基于脑电图 (EEG) 信号的图像重建方法，利用低成本、易携带的 EEG 设备构建了视觉刺激图像数据集，并建立了深度视觉表示模型 (DVRM) 来从 EEG 信号学习视觉刺激图像的分布特征，并通过深度神经网络在人类自然状态下还 - 用开放解码器推动葡萄牙语的生成型人工智能
通过使用一种名为 Gervásio PT * 的完全开放的 Transformers 模型，该模型在神经解码葡萄牙语方面取得了新的技术突破，在本论文中还贡献了新的葡萄牙语的指令数据集，并致力于推动葡萄牙语语言技术的研究和创新。
- [Re] 带有非线性和非高斯观测模型的贝叶斯滤波的判别式卡尔曼滤波器
Kalman filters are widely used for estimating hidden variables and their application in neural decoding is explored in t - 深度学习实时神经解码握握动作
该研究论文采用深度学习技术，基于猴子运动皮层的神经记录数据，通过利用 LSTM 网络对神经信号进行解码以实现物体抓取类型分类，取得了显著的分类准确率提升，并比较了该方法与其他先前方法的表现。
- 电 Ccortico 动态模态分解的快速准确可解释解码
我们提出了一种将动态模式分解显式地转化为空间动态模式特征的映射函数，这些特征可以应用于任何机器学习算法，用于提高神经解码的准确性和计算时间，并具有更高的可解读性。
- IJCAI微调与提示微调的监督表示：哪种更好地解释了大脑语言表示？
通过比较 prompt-tuning 和 fine-tuning 的表示，在神经解码方面，我们发现对于 10 个自然语言理解任务，prompt-tuning 优于 fine-tuning，表明更符合大脑的调节方法获得的表征与脑部数据更相关。 - 神经记忆解码：基于 EEG 数据和表示学习
使用神经解码的方法从 EEG 数据中提取记忆，通过深度表征学习和监督对比损失将脑电图映射到低维空间，可在训练数据集中没有出现的概念中识别，可应用于信息检索问题。
- Brain-Diffuser: 使用生成潜在扩散从 fMRI 信号中重建自然场景
利用神经解码技术和新型图像生成的巨大进展，我们提出了一个两阶段场景重建框架（Brain-Diffuser），它能够从 fMRI 信号中推断出场景的低级特征和整体布局，随后通过潜在扩散模型生成最终重建的图像。该方法在公开数据集基准测试中表现出 - STN：一种新的张量网络方法，用于从大脑活动模式中识别刺激类别
提出了一种刺激约束的张量脑模型，将张量分解模型与刺激类别约束信息相结合，用于解码带有语义信息的目标刺激，实验结果表明该模型相对于其他方法提高了 11.06％到 18.46％的准确性。
- 多模学习脑视语特征解码视觉神经表示
本文提出了一种名为 BraVL 的神经解码通用方法，采用三模态深度生成模型对脑部、视觉和语义特征之间的关系进行建模，以提高对新颖视觉类别的准确性，进而发现通过视觉和语义特征的组合进行解码比单独使用这两者更卓越，进而表明视觉感知可能伴随语言影 - 利用迁移学习解码反映认知任务间关系的脑状态
本研究提出了一种转移学习框架来反映认知任务之间的关系，并比较了转移学习和脑区重叠（例如 neurosynth）反映的任务关系。研究结果表明，如果源任务和目标认知任务激活相似的脑区，则转移学习在 fMRI 数据的任务解码方面表现更好。此研究揭 - 人脑 - 机器接口稳健控制的动态集成贝叶斯滤波器
提出了一种动态集成贝叶斯滤波器（DyEnsemble），以应对脑机接口（BMI）在线控制中的神经变异，并通过一个人类参与者的 BMI 实验表明，相比于速度卡尔曼滤波器，DyEnsemble 显著提高了控制精度（在随机目标追踪任务中增加了 1 - 使用实例条件 GAN 从 fMRI 图像和语义大脑探索中重建知觉图像
本文研究使用 Instance-Conditioned GAN 模型从 fMRI 信号中重构自然图像，成功捕捉了语义信息和低层次图像细节，并使用回归模型探索了人类大脑感兴趣区域的语义特征。
- 多模态分布对齐的分层最优输运
该研究提出了一个基于最优传输与聚类结构相结合的层级对齐方法，同时采用 ADMM 算法和 Sinkhorn 距离来提高噪声、模糊或多峰数据的对齐精度，并在合成数据和神经信号解码中进行了应用，表明该方法对于具有一致聚类结构的数据集在跨领域对齐方 - 神经联合信源信道编码
本文提出了一种用于编解码的离散自编码器模型，通过添加噪声来模拟信道以实现数据压缩和容错，得到了与现有方案相当的编码标准，并学习了下游任务（如分类）的有用鲁棒表征。最后，通过推理摊销，实现了一个快速的神经解码器，与迭代置信传播方法相比，速度提