热点事件持续更新
ThinkNet：进化深度集成用于高效运动想象EEG分类
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv（Human-Computer Interaction，一手）发布 ThinkNet，一个面向高效运动想象 EEG 分类的验证受控框架。该框架结合仅训练集归一化、验证引导的演化搜索与验证门控推理，为留出被试选择紧凑解码器与推理策略。固定基准中，验证选出的紧凑解码器以 4.9K 参数、19 KB FP32 权重、0.99 ms batch-1 Orin CUDA 推理达到 44.35±15.41% 准确率；更广搜索中 ≤25K 参数模型平均留出准确率 40.10%，高于中大型方案。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
arXiv 发布 ThinkNet，验证选出的 4.9K 参数解码器在固定基准达 44.35±15.41% 准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Human-Computer InteractionThinkNet：面向高效运动想象 EEG 分类的演化深度集成
ThinkNet 是一个验证受控框架，结合仅训练集归一化、验证引导的演化搜索与验证门控推理，为留出被试选择紧凑解码器与推理策略。固定基准中，验证选出的紧凑解码器以 4.9K 参数、19 KB FP32 权重、0.99 ms batch-1 Orin CUDA 推理达到 44.35±15.41% 准确率；更广搜索中 ≤25K 参数模型平均留出准确率 40.10%，高于中大型方案。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。