IA4 min read
Investigación en BCI
El aprendizaje por refuerzo mejora en un 41% la decodificación de interfaces cerebro-computadora
Los investigadores proponen CNN-LSTM-RL, un marco de dos etapas que aplica aprendizaje por refuerzo para corregir errores sistemáticos en decodificadores de interfaces cerebro-computadora no invasivas. Sin necesidad de datos neuronales adicionales, el método mejoró la correlación de decodificación de movimiento 3D en un 41,5% y redujo el error cuadrático medio en un 40,2% en diez participantes.
2026-07-27