研究提出脑机解码器信息论评估指标

Tasha Kim等作者在arXiv预印本中提出，用最差目标对的Chernoff信息Γ_min评估脑-机器人控制中的解码器：他们把控制过程形式化为部分可观测马尔可夫决策过程（POMDP），并证明只要各目标对都能被解码器区分，遗憾在整个时间跨度上一致有界，否则线性增长。据此，他们推导出可从任意混淆矩阵以O(K²)时间计算的闭式遗憾预测器U_id。 在真实EEG数据（BNCI2014001受试者5）上，两个解码器的验证准确率同为35.1%，但留出遗憾相差9.6倍，U_id能预测这一差异。作者称，在跨两组正交信息通道的两个领域中，U_id能解释准确率之外的累计规划遗憾，同信号对照也支持其优势。 该工作为预印本，尚未经同行评议，也未在机器人实机上验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。