SPERA
一种引入球面先验的EEG基础模型，采用联合嵌入预测架构（JEPA）在潜空间中进行预测，通过勒让德多项式空间先验和时空分解注意力机制实现跨设备、跨蒙太奇的脑电信号表征学习
时间轴 (近 90 天)
SPERA是一个引入球面先验的EEG基础模型，采用联合嵌入预测架构（JEPA）在潜空间中进行预测，而非在观测信号上做重建
SPERA的全称为Spherical Prior EEG Representation Architecture
SPERA引入了基于勒让德多项式的空间先验，并将其融入注意力机制，用于编码不同头皮电极几何排布之间的关系
SPERA设计了分解式的时间与空间注意力，并周期性地穿插全注意力模块以降低计算复杂度
SPERA采用关系型频谱正则器，将潜空间中的相似性结构与频谱视图对齐以保留频率特征敏感度
SPERA的训练规模约为80,000小时EEG数据，涵盖29,048名受试者，横跨106个数据集
SPERA在九项下游任务上取得了最高的平均平衡准确率，这些任务跨越临床、认知与脑机接口三大应用领域
在线性探测设置下，SPERA仅需训练少量下游参数即可获得优异表现
SPERA有望成为EEG分析的通用预训练骨干，前提是其跨设备、跨任务泛化能力在更广泛的独立评测中得到验证
本文基于arXiv预印本论文信息整理，相关结论尚待同行评审与更多复现验证
全部知识事实 (10)
本文基于arXiv预印本论文信息整理，相关结论尚待同行评审与更多复现验证
50%待验证SPERA的全称为Spherical Prior EEG Representation Architecture
50%待验证SPERA引入了基于勒让德多项式的空间先验，并将其融入注意力机制，用于编码不同头皮电极几何排布之间的关系
50%待验证SPERA设计了分解式的时间与空间注意力，并周期性地穿插全注意力模块以降低计算复杂度
50%待验证SPERA采用关系型频谱正则器，将潜空间中的相似性结构与频谱视图对齐以保留频率特征敏感度
50%待验证SPERA的训练规模约为80,000小时EEG数据，涵盖29,048名受试者，横跨106个数据集
50%待验证SPERA在九项下游任务上取得了最高的平均平衡准确率，这些任务跨越临床、认知与脑机接口三大应用领域
50%待验证在线性探测设置下，SPERA仅需训练少量下游参数即可获得优异表现
50%待验证SPERA是一个引入球面先验的EEG基础模型，采用联合嵌入预测架构（JEPA）在潜空间中进行预测，而非在观测信号上做重建
50%待验证SPERA有望成为EEG分析的通用预训练骨干，前提是其跨设备、跨任务泛化能力在更广泛的独立评测中得到验证
50%