Краткое содержание

arXiv:2511.07890v1 Тип объявления: новый Аннотация: Неинвазивные интерфейсы мозг-компьютер, декодирующие голосовые команды из электроэнцефалограммы (ЭЭГ), должны обладать высокой точностью и надежностью. Мы предлагаем подход к декодированию с учетом уверенности, который объединяет глубокие ансамбли компактных свёрточных сетей, ориентированных на обработку речи, с последующей калибровкой и селективной классификацией. Неопределенность оценивается с помощью ансамбля предсказательной энтропии, разности двух лучших классов и взаимной информации, а решения принимаются с возможностью отказа от классификации, управляемого точкой точности-покрытия. Предложенный метод тестируется на многоклассовом наборе данных открытой речи с использованием безопасного от утечек блочно-стратифицированного разделения, учитывающего временную непрерывность. По сравнению с широко используемыми базовыми методами предложенная методика обеспечивает более надежные оценки вероятностей, улучшенную селективную производительность во всех точках работы и сбалансированное принятие решений по каждому классу. Полученные результаты свидетельствуют о том, что нейронное декодирование с учётом уровня доверия способно обеспечить надёжный и пригодный для практического внедрения результат.