正則化

任何刻意加入偏誤以降低變異、在資料稀少或含雜訊時改善泛化的估計量修改。在 BCI 解碼器中，典型形式為 L2／脊（懲罰權重平方，平滑地縮小所有權重、對相關特徵穩定）、L1／套索（懲罰權重絕對值，使部分權重恰為零，達成內建特徵選擇）與彈性網（兩者混合）。共變異數收縮是對共變異數估計的正則化；早停與 dropout 則正則化神經網路。

正則化強度是超參數，必須以不觸及測試資料的驗證來選定。由於神經特徵高維而校正資料僅數分鐘，幾乎總需要某種正則化；實務問題在於哪一種先驗（平滑權重、稀疏權重、時間或空間上平滑的濾波器）最契合訊號。