分布偏移與共變量偏移

這是借自統計學習、用以說明固定解碼器為何退化的形式化語言。令 x 為神經特徵、y 為意圖輸出。共變量偏移是指訓練與使用之間輸入分布 p(x) 改變，但映射 p(y|x) 維持不變——神經元看起來不同，卻仍代表同樣的意義。標記偏移（或先驗偏移）是指 p(y) 改變（使用者嘗試的動作與校準時不同）。概念漂移則是最棘手的情形，即 p(y|x) 本身改變——同一神經型態現在代表不同的意義，這正是族群編碼真正重新映射時所發生的。

此區分具有實務意義，而非純學術。純粹的共變量偏移原則上可在不取得任何新標記的情況下，透過重新對齊輸入分布加以校正，這正是非監督式適應與潛在對齊之所以可行的原因。概念漂移無法僅靠輸入對齊修正，通常至少需要一些新的監督，或一個自監督式標記來源。真實腦機介面的非平穩性是三者的混合，比例未知且隨時間變化，這正是問題困難之所在。