Spike-Based Adaptation of EEG Foundation Models for Calibration Efficient Cross-Subject Brain-Computer Interfaces
Dit artikel stelt een op spikes gebaseerd adaptatieframework voor dat een vooraf getraind EEG-fundamenteel model integreert met een lichtgewicht neuromorf module om kalibratie-efficiënte, middelenbewuste cross-subject hersen-computerinterfaces te bereiken, waarbij de adaptatietijd en het aantal parameters aanzienlijk worden verminderd terwijl een hoge nauwkeurigheid behouden blijft over diverse EEG-taken en datasets.