脑机接口 / BCI

An offline approach to fNIRS-guided reinforcement learning for robot behavior

一种用于机器人行为的基于fNIRS引导的强化学习的离线方法

Julia Santaniello, Madelaine Brower, Benson Jiang, Donatello Sassaroli, Chenyuan Zhang, Robert Jacob, Jivko Sinapov

专题命中 神经信号处理 ：BCI(abstract)；neural signal(abstract)；分类 cs.RO

AI总结 研究利用fNIRS脑信号调节机器人模拟学习的可行性，比较不同交互任务训练的智能体，测试多种增强强化学习算法的方法，发现该框架能有效利用神经信号增强学习，还可离线学习，为特定场景提供替代方案。

Comments Preliminary results

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

归一化分裂塑造连续工作记忆的低秩慢流形

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang

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

AI总结 本文提出循环归一化分裂网络（RDNN），通过动力学分析和BPTT梯度分析，证明归一化分裂可使网络形成稳健低秩慢流形，防止时变输入下的流形破碎，是学习高保真连续表示的关键机制。

Comments Published in Transactions on Machine Learning Research (08/2026)

QuantFormer: Learning to Quantize for Neural Activity Forecasting in Mouse Visual Cortex

QuantFormer：用于小鼠视觉皮层神经活动预测的量化学习模型

Salvatore Calcagno, Isaak Kavasidis, Simone Palazzo, Marco Brondi, Luca Sità, Giacomo Turri, Daniela Giordano, Vladimir R. Kostic, Tommaso Fellin, Massimiliano Pontil, Concetto Spampinato

专题命中 BCI数据与评测 ：neural signal(abstract)；分类 q-bio.NC、eess.SP

AI总结 QuantFormer是一款基于Transformer的模型，通过动态信号量化将神经活动预测转为分类任务，结合神经元特定令牌，在Allen数据集上实现小鼠视觉皮层活动预测的新基准，泛化性能优异。