Skip to content
Hot eventLive

ThinkNet：进化深度集成用于高效运动想象EEG分类

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 2 hr ago

LatestOct 12
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。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Human-Computer Interaction
    ThinkNet：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。

Heat trend

There is not enough continuous observation data to draw a trend yet.