脑机接口 / BCI

Feasibility of Embodied Dynamics Based Bayesian Learning for Continuous Pursuit Motion Control of Assistive Mobile Robots in the Built Environment

基于具身动力学的贝叶斯学习在辅助移动机器人连续追击运动控制中的可行性

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

专题命中 EEG解码 ：BCI(abstract)；brain-computer interface(abstract)；EEG(abstract)；motor imagery(abstract)

AI总结 本文提出基于具身动力学的贝叶斯学习方法，有效提升辅助移动机器人在复杂环境中的连续追击运动控制性能。

Comments 37 pages, 9 figures, and 7 tables

Exploring Spiking Neural Networks for Binary Classification in Multivariate Time Series at the Edge

探索用于多变量时间序列边缘二分类的脉冲神经网络

James Ghawaly, Andrew Nicholson, Catherine Schuman, Dalton Diez, Aaron Young, Brett Witherspoon

机构 * Computer Science and Engineering（计算机科学与工程） ； Louisiana State University（路易斯安那州立大学） ； Physics（物理学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Electrical Engineering and Computer Science（电气工程与计算机科学） ； The University of Tennessee Knoxville（田纳西大学基洛纳分校） ； Computer Science and Mathematics（计算机科学与数学） ； Electrification and Energy Infrastructures（能源基础设施） 纠错

专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG

AI总结 本文提出了一种用于多变量时间序列边缘二分类的脉冲神经网络框架，通过进化算法优化稀疏SNNs，实现高精度低误报率的分类性能，并在硬件部署上展示了低功耗和低延迟的特点。

Comments Accepted in 2025 International Joint Conference on Neural Networks (IJCNN)

Brain-Like Processing Pathways Form in Models With Heterogeneous Experts

具有异质专家的模型中形成类脑处理路径

Jack Cook, Danyal Akarca, Rui Ponte Costa, Jascha Achterberg

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出混合路径模型，通过诱导偏差研究大脑如何形成任务特定路径，并验证其在不同难度任务中的有效性。

Comments Accepted at 39th Conference on Neural Information Processing Systems (NeurIPS 2025); 31 pages, 16 figures

TDSNNs: Competitive Topographic Deep Spiking Neural Networks for Visual Cortex Modeling

TDSNNs: 用于视觉皮层建模的竞争性拓扑深度脉冲神经网络

Deming Zhou, Yuetong Fang, Zhaorui Wang, Renjing Xu

机构 * Deming Zhou（周德明） ； Yuetong Fang（方岳通） ； Zhaorui Wang（王昭瑞） ； Renjing Xu（徐任静） 纠错

专题命中 神经信号处理 ：cortical(abstract)

AI总结 TDSNNs通过引入拓扑约束损失函数，在视觉皮层建模中实现了高效且稳定的时序信息处理，表现出优于传统拓扑ANNs的性能和生物合理性。

Comments AAAI 2026 (Oral)

Biologically Inspired Predictive Coding TCN-Transformer for Anticipatory Human-Robot Interaction in Shared Physical Spaces

生物启发的预测编码 TCN-Transformer 用于共享物理空间中的人机交互前瞻性

Xiaoshan Zhou, Carol C. Menassa, Vineet R. Kamat

专题命中 脑控机器人 ：EEG(abstract)；分类 cs.HC

AI总结 本研究提出了一种生物启发的 TCN-Transformer 架构，通过解码 EEG 信号预测人类运动意图，实现共享空间中的人机交互前瞻性。

Comments 45 pages, 12 figures, 6 tables

ManifoldFormer: Geometric Deep Learning for Neural Dynamics on Riemannian Manifolds

ManifoldFormer: 用于黎曼流形上神经动态的几何深度学习

Yihang Fu, Lifang He, Qingyu Chen

机构 * Yale University（耶鲁大学） ； Lehigh University（莱斯利大学） 纠错

专题命中 BCI数据与评测 ：EEG(abstract)；neural signal(abstract)；分类 cs.LG

AI总结 ManifoldFormer通过几何深度学习框架，利用黎曼流形结构提升EEG信号的表示质量与跨受试者泛化能力。

Comments 5 pages, under review by ICASSP