论文

研究工作涵盖脑机接口、Physical AI、多模态学习与可解释人工智能。引用指标与最新收录状态请参阅我的 Google Scholar

2026

NeuroLex:面向脑电报告理解与生成的轻量级领域语言模型

Kang Yin, Hye-Bin Shin

14th International Winter Conference on Brain-Computer Interface (BCI), Accepted Paper

面向临床脑电报告语言特征的轻量模型,支持文本润色、摘要、术语问答与后续脑电—语言系统。

2025

迈向细粒度可解释性:基于显著性分区的误分类反事实解释

Lintong Zhang*, Kang Yin*, Seong-Whan Lee

IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

利用显著性分区,从物体整体与局部部件两个层面解释细粒度模型的误分类原因。

2025

基于加权分割与自适应区域选择的视觉反事实语义优先方法

Lintong Zhang, Kang Yin, Seong-Whan Lee

Neural Networks

通过加权语义图与自适应候选区域顺序,提高反事实区域替换的语义相关性与计算效率。

2025

面向可靠脑机接口的网络扩展方法

Byeong-Hoo Lee, Kang Yin

13th International Winter Conference on Brain-Computer Interface (BCI)

根据学习需求动态扩展容量的脑电网络,用于提升跨会话个性化脑机接口的可靠性。

2025

面向情感识别的脑电多模态表征学习

Kang Yin, Hye-Bin Shin, Dan Li, Seong-Whan Lee

13th International Winter Conference on Brain-Computer Interface (BCI)

融合脑电、视频与音频信息的灵活多模态表征框架,用于情感脑机接口。

2024

面向持续运动想象脑电分类的域增量学习框架

Dan Li, Hye-Bin Shin, Kang Yin, Seong-Whan Lee

46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)

通过分离用户不变与用户特定表征,缓解跨脑电域持续学习中的灾难性遗忘。

2024

面向噪声鲁棒脑电分类的基线引导表征学习

Elissa Yanting Lim, Kang Yin, Hye-Bin Shin, Seong-Whan Lee

46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)

利用基线信息引导脑电表征学习,提升模型在噪声记录条件下的分类鲁棒性。

2024

GITGAN:面向脑电运动想象分析的生成式跨被试迁移

Kang Yin, Elissa Yanting Lim, Seong-Whan Lee

Pattern Recognition

以高质量源脑电数据为中心的无监督跨被试适应框架,在提升迁移性能的同时保持目标分布完整。