脑机百科消息(bciwiki.com)，重庆师范大学计算机与信息科学学院、重庆大学计算机学院的研究人员提出一种名为SPD-DANN的深度对抗神经网络，在对称正定（SPD）矩阵流形上做无监督域适应，用于跨被试的运动想象脑电解码，相关论文发表于2026年5月12日的《Neural Networks》（PMID 42119262，DOI 10.1016/j.neunet.2026.109076）。
研究人员指出，脑电信号具有非平稳性和个体差异，现有模型难以在不做昂贵的被试特定校准的情况下实现稳健的跨被试泛化，限制了实际部署。已有研究把每名被试视为一个域，通过差异最小化或对抗训练学习域不变特征，但这些方法主要在欧氏空间中构建，难以刻画脑电数据固有的非线性结构。
SPD-DANN在SPD流形上通过对抗学习提取不随被试变化的特征。研究团队还设计了SPD域特征对齐损失和SPD类原型对损失，分别用于促进跨被试的特征对齐和增强特征空间内的类别区分度。
据论文摘要，在4个脑机接口数据集上的实验表明，该方法优于几种最先进的无监督域适应技术；作者还称，所提出的损失函数可方便地用于更广泛的无监督和半监督域适应框架。摘要未报告具体性能数字。