暨南大学融媒体中心讯 近日，暨南大学信息科学技术学院计算机科学系数据智能与脑机接口团队在人工智能国际顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（CCF-A，一区Top，IF=20.4）在线发表了题为“Calibration-free Plug-and-Play EEG-based BCIs”的研究论文。暨南大学计算机科学系数据智能与脑机接口团队吴汉瑞副教授为第一作者，龙锦益教授为通讯作者，中山大学郑伟诗教授、暨南大学张佳老师、暨南大学硕士生廖俊康、张戈为合作作者。这是团队今年第二次在该期刊发表论文。

免校准与即插即用操作对于基于脑电（EEG）的脑机接口（BCI）实际应用至关重要，然而大多数现有方法仍依赖于对被试进行特定校准或对目标被试数据进行批处理。为应对这一问题，团队提出了局部在线迁移学习（LOTL），一种免校准的实时在线EEG脑机接口方法。具体而言，对于每个被试，LOTL生成一个全局超平面和多个局部超平面，并在模型更新中保持新模型与当前源模型和目标模型相近，同时对新到来的样本施加分离约束。团队推导出了模型更新的闭式解，并从数学理论层面进行错误边界分析和收敛性分析。此外，团队基于提出的方法开发了一套真实场景的BCI系统原型，有望促进BCI应用的广泛部署。

该研究工作得到了国家自然科学基金（62576151, 62276115）等项目的支持。

文章链接：https://ieeexplore.ieee.org/document/11657973

责编：李伟苗