SEM框架实现无导数动力系统学习与脑机接口应用

研究团队提出稀疏方程匹配（SEM）框架，利用格林函数的积分稀疏回归，实现通用阶动力系统的无导数估计。该框架旨在统一不同阶数动力系统建模中的微分计算难题，为系统辨识提供新路径。 在脑机接口领域，SEM框架已得到实际应用验证。在涉及52名参与者的脑电图实验中，该方法成功识别出活跃脑区及任务特异性连接模式。这表明SEM不仅适用于理论动力学建模，也能有效解析复杂神经信号中的动态连接机制。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。