热点事件持续更新
Hybrid Ensemble Learning for EEG-Based Epileptic Seizure Forecasting
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
2026-09-30 arXiv 论文提出一种校准混合集成方法用于脑电图癫痫发作预测，组合五个深度学习模型与三个经典机器学习模型，以逻辑回归堆叠元学习器进行预测。在 CHB-MIT 数据集上采用严格 LOPO 交叉验证，过滤后队列达到发作级灵敏度 74.2%、每小时 1.24 次误报，平均预警时间 16.9 分钟；目标误报预算约束下的测试调优 oracle 为灵敏度 60.9%、每小时 0.951 次误报警。代码已公开。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 12:00
论文发布并公开代码，报告 CHB-MIT 上 LOPO 验证的灵敏度、误报与预警时间结果。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Machine Learning基于脑电图的癫痫发作预测混合集成学习方法
提出一种校准混合集成方法，组合五个深度学习模型与三个经典机器学习模型，通过逻辑回归堆叠元学习器进行癫痫发作预测。在 CHB-MIT 数据集上采用严格 LOPO 交叉验证，过滤后队列达到 74.2% 发作级灵敏度、每小时 1.24 次误报，平均预警时间 16.9 分钟；目标误报预算约束下的测试调优 oracle 为 60.9% 灵敏度、每小时 0.951 次误报警。代码已公开。
本事件热度走势
当前热度 8·可比范围峰值 9（9月30日 17:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。