脑机接口 / BCI

One Model for All: Universal Pre-training for EEG based Emotion Recognition across Heterogeneous Datasets and Paradigms

统一模型适用于所有：面向异构数据集与范式的脑电情感识别通用预训练

Xiang Li, You Li, Yazhou Zhang

机构 * Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center inJinan), Qilu University of Technology (Shandong Academy of Sciences), Jinan, China and Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science, Jinan, China（教育部计算功率网络与信息安全重点实验室，山东计算机科学中心（济南国家超算中心），青岛科技大学（山东省科学院），济南，中国和山东省计算功率互联网与服务计算省级重点实验室，山东省计算机科学基础研究中心，济南，中国） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.LG

AI总结 该研究针对脑电情感识别的数据集异质性问题，提出含UCS、ART与GAT的通用预训练框架，在多个数据集的被试内基准及跨数据集迁移任务上取得SOTA性能。

Comments We discovered substantive errors in the experimental methodology and reported results. These issues affect the validity of the current version, so we withdraw the article and plan to submit a corrected replacement

ERP-XTTN: Interpretable Prototype-Guided Cross-Attention for Cross-Subject ERP Classification

ERP-XTTN: 可解释的原型引导跨注意力用于跨被试ERP分类

Charlotte Genevier Wyman, Leanne Hirshfield

机构 * University of Colorado Boulder（科罗拉多大学波得尔分校） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；brain-computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 提出ERP-XTTN，一种基于原型引导跨注意力的架构，在无需校准的跨被试条件下实现可解释的ERP分类，并揭示分类错误的神经生理学原因。

Comments Accepted for publication in Journal of Neural Engineering. 39 pages including supplementary material, 7 figures, 24 tables. v2: accepted manuscript replacing the preprint

MSCGC-KAN: Multi-scale Causal Graph Convolution and KAN-inspired Analytic-basis Mapping for EEG Emotion Recognition

MSCGC-KAN: 用于脑电情感识别的多尺度因果图卷积与Kolmogorov-Arnold特征映射

Haoliang Gong, Qingshan She, Jiale Xu, Yunyuan Gao, Xugang Xi

机构 * School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China（杭州电子科技大学自动化学院） ； Zhejiang Provincial Key Laboratory of Brain Computer Collaborative Intelligence Technology（浙江省脑机协同智能技术与应用重点实验室） 纠错

专题命中 EEG解码 ：EEG(title,abstract)

AI总结 本文提出MSCGC-KAN方法，通过多尺度因果图卷积和Kolmogorov-Arnold特征映射构建结构化任务头，在预训练CBraMod骨干上增强多尺度时间建模、可学习通道间连接建模和非线性判别映射，显著提升脑电情感识别性能。

Inferring effective interactions and task-related brain states from large-scale neural activity with Restricted Boltzmann Machines

利用受限波尔兹曼机揭示大规模神经活动中的统计结构

Nicolas Béreux, Giovanni Catania, Aurélien Decelle, Francesca Mignacco, Alfonso de Jesús Navas Gómez, Beatriz Seoane

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

AI总结 本研究利用受限波尔兹曼机揭示大规模神经活动中的统计结构，通过建模多个大脑区域的神经元活动，揭示了神经元相互作用的解剖结构和动态特性。

Comments 19 pages, 13 figures

Hyperedge-Triggered Hawkes Processes for Diagnosing Higher-Order Temporal Dependence in Event Streams

异步事件流中多细胞相互作用超图的统计推断与稳定性边界

Zihan Xu

专题命中 神经信号处理 ：cortical(abstract)

AI总结 提出超边触发霍克斯过程（HTH）用于从异步事件数据推断多细胞系统中的高阶交互结构，通过闭合形式的EM算法和CP张量分解实现高效推断，在合成实验中成对恢复误差低于5%，并在视网膜神经节细胞数据上获得+20.6 nats的似然增益。

Comments Substantially revised version: title, abstract, organization, exposition, and analysis updated; the manuscript remains a revision of the same Hyperedge-Triggered Hawkes Processes work. 20 pages, 7 figures, 4 tables