arXiv 机器学习· Ismail Huseynov, Mohammad Orabe, Srikantan Nagarajan, Stefan Haufe·· 11 小时前AI 评分26
贝叶斯 M/EEG 源成像中的不确定性校准
Uncertainty calibration in Bayesian M/EEG source imaging
AI 导读
研究提出了基于模拟的经验贝叶斯 M/EEG 源成像不确定性量化与校准框架，对比评估了 BMN+sLORETA 与 SBL+S-FLEX。重校准前 SBL+S-FLEX 取得了更低的 Wasserstein 定位误差与更小的不确定性，事后保序重校准进一步改善了二者的后验覆盖率。在真实听觉 MEG 数据中，SBL+S-FLEX 展现出更聚焦的定位与更紧致的不确定性。
来源：arXiv 机器学习 · arxiv.org