近日，我校金沙集团186cc郜东瑞副教授团队的研究成果“ A Local-Ascending-Global Learning Strategy for Brain-Computer Interface”（一种用于脑机接口的局部升阶全局学习策略）被CCF A类人工智能领域顶级会议“Association for the Advancement of Artificial Intelligence, AAAI-24”接收。该项研究成果由金沙集团186cc的研究生导师郜东瑞副教授和2022级研究生张皓凯共同完成，张皓凯和导师郜东瑞为该论文共同第一作者，金沙集团186cc为第一署名单位。
该项研究成果提出一种局部升阶全局的学习策略。该策略从单脑功能区局部连接出发，构建K阶自适应升阶网络，动态捕获得到不同认知任务下的强连通性脑区，并在逐步融合脑区的过程中，捕获脑功能区间的高阶潜在模式。这是首次研究在不同认知任务下逐步自适应融合脑功能区间的高阶潜在模式。为了验证该学习策略在脑机接口领域的泛化性，本文使用疲劳数据集(SEED-VIG)，情绪数据集(SEED-IV)，运动想象数据集(BCI_C_IV_2a)来评估。实验结果表明该学习策略可以表征不同认知任务的高阶潜在模式，为脑机接口的发展提供了新的研究方向。
所提出方法的实验流程
AAAI是人工智能领域的顶级国际会议，由美国人工智能促进协会主办，旨在推动人工智能领域的研究和应用，增进大众对人工智能的了解。AAAI是CCF推荐A类会议，Core Conference Ranking推荐A*类会议，H-5指数176，Impact Score 25.57。
论文信息:
Dongrui Gao1, Haokai Zhang1, Pengrui Li, Tian Tang, Shihong Liu, Zhihong Zhou, Shaofei Ying, Ye Zhu* and Yongqing Zhang*. “A Local-Ascending-Global Learning Strategy for Brain-Computer Interface.” AAAI Conference on Artificial Intelligence (2024).
