热点事件持续更新
基于EEG-fNIRS的跨被试连续情绪回归方法发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月5日，arXiv公开了一项关于多模态情绪识别的研究。研究团队提出了一种基于同步脑电（EEG）与功能近红外光谱（fNIRS）的跨被试零样本连续情绪回归方法。该方法将情绪轨迹解耦分解为群体共享结构，并结合基于无标签EEG标记（alpha频段跨通道同步性）校准的个体结构进行建模。在[1, 255]原始尺度评测中，该模型在留出被试上分别取得了25.96与22.80的整体MAE，显著优于EEGNet（60.6）和ASAC-Net（55.0）等基线模型。
AI 根据报道生成 · 4 小时前更新
最新进展10月5日 12:00
研究提出基于EEG-fNIRS的跨被试连续情绪回归方法，MAE表现显著优于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 人工智能基于 EEG-fNIRS 的跨被试连续情绪回归：共享与个体结构建模
研究提出一种基于同步 EEG-fNIRS 的跨被试零样本连续情绪回归方法，将情绪轨迹分解为群体共享结构与基于无标签 EEG 标记（alpha 频段跨通道同步性）校准的个体结构。在 [1, 255] 原始尺度评测中，该模型在留出被试上取得 25.96 与 22.80 的整体 MAE，显著优于 EEGNet（60.6）和 ASAC-Net（55.0）基线。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。