Suche nach Brain‑Computer‑Interface

Neues EEG-MFTNet-Modell verbessert Motorimagery-Decodierung in BCIs

Brain‑Computer‑Interfaces (BCIs) ermöglichen die direkte Kommunikation zwischen Gehirn und externen Geräten und sind besonders für Menschen…

arXiv – cs.LG 08.04.2026 04:00

Forschung

SENSE: EEG‑zu‑Text ohne LLM‑Fine‑Tuning – effizient und datenschutzfreundlich

Mit dem neuen Framework SENSE (SEmantic Neural Sparse Extraction) wird die Herausforderung, Gehirnaktivität in natürlichsprachlichen Text z…

arXiv – cs.LG 19.03.2026 04:00

Forschung

Vergleich von Deep‑Learning‑Architekturen für EEG‑Klassifikation: Zeit‑Augmentation & Voting

Die Klassifikation von Elektroenzephalographie‑Signalen (EEG) ist ein zentrales Element moderner Brain‑Computer‑Interface‑Systeme, bleibt j…

arXiv – cs.AI 17.03.2026 04:00

Forschung

NeuroSkill(tm): Echtzeit-Agentensystem modelliert menschliche Gedankenwelt

NeuroSkill(tm) ist ein brandneues, proaktives Agentensystem, das in Echtzeit die menschliche Gedankenwelt abbildet. Das System nutzt ein fu…

arXiv – cs.AI 04.03.2026 05:00

Forschung

EEG‑Signal decodiert selbstbestimmte Laufgeschwindigkeit bei Ratten – ohne Implantate

Forscher haben gezeigt, dass die Geschwindigkeit von Ratten, die sich auf einem nicht motorisierten Laufband frei bewegen, aus reinen EEG‑M…

arXiv – cs.LG 24.02.2026 05:00

Praxis

Zyphra präsentiert ZUNA: 380M-Parameter-BCI-Modell für EEG-Daten

Brain‑Computer‑Interfaces erleben endlich ihr „Foundation‑Model“-Zeitalter. Das Forschungsunternehmen Zyphra hat kürzlich ZUNA veröffentlic…

MarkTechPost 19.02.2026 06:43

Forschung

P300-BCI-Schreiber: Adaptive Lernmethode reduziert Kalibrierung drastisch

Ein neu entwickeltes P300-ERP-basiertes Brain‑Computer‑Interface (BCI) für die Textschreibung verspricht, die bisher notwendige Kalibrierun…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Energiebasierte Autoregressive Generierung optimiert neuronale Populationsdynamik

Die Erforschung der Funktionsweise des Gehirns ist ein zentrales Ziel der Neurowissenschaften und hat weitreichende Konsequenzen für Therap…

arXiv – cs.LG 25.11.2025 05:00

Forschung

Neues Active-Learning-Verfahren verbessert EEG-basierte Emotions-Erkennung

Die Erkennung von Emotionen aus Elektroenzephalogrammen (EEG) ist wegen der begrenzten Verfügbarkeit hochwertiger Labels, der Anfälligkeit…

arXiv – cs.LG 20.11.2025 05:00

Forschung

Regionbasierte EEG‑Kanalwahl steigert Motor‑Imagery‑Klassifikation

Brain‑Computer‑Interfaces (BCIs) nutzen Elektroenzephalographie (EEG), um Gehirnaktivitäten direkt in Steuerbefehle umzuwandeln. Besonders…

arXiv – cs.LG 19.11.2025 05:00

Forschung

Kreisförmiges Training & minimale Kalibrierung steigern BCI-Genauigkeit

Die Herausforderung, bei der Analyse von EEG-basiertem, vorgestelltem Sprachsignal über verschiedene Personen hinweg zuverlässig zu general…

arXiv – cs.AI 19.11.2025 05:00

Forschung

Neues fNIRS‑Dataset ermöglicht neuronale Rückmeldung für Reinforcement Learning

In einem wegweisenden Beitrag zur Reinforcement Learning from Human Feedback (RLHF) wird gezeigt, wie passive Brain‑Computer‑Interfaces (BC…

arXiv – cs.AI 18.11.2025 05:00

Forschung

Diffusionsmodell entschlüsselt Echtzeit-Sprechen bei Aphasie

Ein neues, leichtgewichtiges Diffusionsframework ermöglicht die Echtzeit‑Entschlüsselung von imaginärem Sprechen bei Menschen mit Aphasie…

arXiv – cs.AI 12.11.2025 05:00

Forschung

<h1>EEG-basierte Intentionserkennung bei Aphasie: Fortschritt trotz Fehlartikulation</h1> <p>Eine neue Studie zeigt, dass Gehirn‑Signal‑Analysen (EEG) bereits zuverlässig die Intention von Menschen mit Aphasie erkennen können – selbst wenn ihre Sprache fehlerhaft ist. Aphasie schränkt die verbale Kommunikation stark ein, weil die Sprachproduktion beeinträchtigt ist und häufig zu Fehlartikulationen führt. Trotz wachsender Interesse an Brain‑Computer‑Interface‑Technologien wurde bislang kaum an EEG‑basierten

arXiv – cs.AI 12.11.2025 05:00

Forschung

Neuralnetz entschlüsselt Gehirnimpulse in Sprache – EEG-basierte Spracherkennung

In einer bahnbrechenden Studie zeigen Forscher, dass neuronale Netze Gehirnaktivität in gesprochene Sprache übersetzen können. Dabei wurden…

arXiv – cs.AI 10.11.2025 05:00

Forschung

EDAPT: Kalibrierungsfreie BCIs durch kontinuierliche Online-Anpassung

Brain‑Computer‑Interfaces (BCIs) leiden häufig unter Genauigkeitsverlusten, wenn sich die neuronalen Signale im Laufe der Zeit verändern od…

arXiv – cs.LG 15.08.2025 05:00

Finde Modelle, Firmen und Themen

Neues EEG-MFTNet-Modell verbessert Motorimagery-Decodierung in BCIs

SENSE: EEG‑zu‑Text ohne LLM‑Fine‑Tuning – effizient und datenschutzfreundlich

Vergleich von Deep‑Learning‑Architekturen für EEG‑Klassifikation: Zeit‑Augmentation & Voting

NeuroSkill(tm): Echtzeit-Agentensystem modelliert menschliche Gedankenwelt

EEG‑Signal decodiert selbstbestimmte Laufgeschwindigkeit bei Ratten – ohne Implantate

Zyphra präsentiert ZUNA: 380M-Parameter-BCI-Modell für EEG-Daten

P300-BCI-Schreiber: Adaptive Lernmethode reduziert Kalibrierung drastisch

Energiebasierte Autoregressive Generierung optimiert neuronale Populationsdynamik

Neues Active-Learning-Verfahren verbessert EEG-basierte Emotions-Erkennung

Regionbasierte EEG‑Kanalwahl steigert Motor‑Imagery‑Klassifikation

Kreisförmiges Training & minimale Kalibrierung steigern BCI-Genauigkeit

Neues fNIRS‑Dataset ermöglicht neuronale Rückmeldung für Reinforcement Learning

Diffusionsmodell entschlüsselt Echtzeit-Sprechen bei Aphasie

Neuralnetz entschlüsselt Gehirnimpulse in Sprache – EEG-basierte Spracherkennung

EDAPT: Kalibrierungsfreie BCIs durch kontinuierliche Online-Anpassung

🍪 Cookie-Einstellungen