EEGDM：扩散模型实现标签高效EEG表征学习

Jia Hong Puah等作者提出EEGDM，一个基于扩散模型的EEG表征学习框架，目标是在标签有限的条件下学习EEG表征。该框架先用结构化状态空间模型扩散预训练（SSMDP）在无标注EEG数据上捕捉长程时间依赖，再用Latent Fusion Module（LFM）融合多层潜在特征。作者称，源代码和预训练检查点已公开。

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。