空间适应层：可解释的生物信号传感器阵列领域适应
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对生物信号获取在不同录制会话中的表现不一致问题，提出了一种新方法——空间适应层（SAL），旨在增强模型的鲁棒性和可解释性。通过在生物信号阵列模型前添加SAL和可学习基线归一化（LBN），我们的实验显示，即便使用逻辑回归器，其性能也超越了传统的微调方法，具有数量级更少的可解释参数，潜在地推动了可穿戴设备中生物信号处理的应用。
本研究将无源领域适应引入脉冲神经网络，通过膜电位作为记忆列表，提高了系统的准确性。新的脉冲波Jaccard注意力提高了脉冲神经网络对表面肌电图特征的表示能力。实验结果显示SpGesture在不同前臂姿势中实现了最高的准确率（89.26%），并在CPU上实际部署时展示了低延迟（低于100毫秒）。这些结果显示了SpGesture在实际场景中增强表面肌电图的应用潜力。
