Skip to content
Hot eventLive

SPD-MetaFormer：小数据脑电信号解码的无注意力架构

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，arXiv Machine Learning Theory 发布一手报道，介绍 SPD-MetaFormer，一种面向小样本脑电信号解码的无注意力架构。该模型基于对数欧几里得几何，使用均匀加权的 Fréchet 聚合来更新摘要 token，并保留 SPD 值状态直到切空间分类。研究发现，现有 MAtt 与 GBWAtt 在训练后注意力权重接近均匀，将其替换为均匀权重对平均预测性能影响很小。在三个 EEG 基准数据集上，SPD-MetaFormer 与已发表的 Euclidean 和流形基线取得了相当的结果。报道未提及其他时间线或矛盾信息。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 报道 SPD-MetaFormer：均匀加权 Fréchet 聚合替代注意力，在三个 EEG 基准上与现有基线性能相当。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Machine Learning Theory
    SPD-MetaFormer：小样本脑电信号解码的新选择

    SPD-MetaFormer 是一种基于对数欧几里得几何的无注意力架构，用均匀加权 Fréchet 聚合更新摘要 token，并保留 SPD 值状态直到切空间分类。研究发现 MAtt 与 GBWAtt 训练后注意力权重接近均匀，替换为均匀权重对平均预测性能影响很小。在三个 EEG 基准上，SPD-MetaFormer 与已发表的 Euclidean 和流形基线取得相当结果。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.