黎曼重置與對齊

這是腦電腦機介面中，用於跨場次與跨受試者穩健性的主力方法族。在此，試驗以其空間共變異數矩陣表示，而這些矩陣位於一個彎曲的（黎曼）對稱正定矩陣流形上。場次間偏移的大部分，是此共變異數的整體性改變——訊號統計量在整體尺度與方向上的變化——而這可藉由重置加以移除：以各場次自身的平均共變異數將其白化，使得經傳輸後，每個場次共享一個共同的參考點。歐氏對齊則以在原空間中較簡單、較廉價的白化實現同一構想。

此法之所以強大，是因為它是非監督式的（場次平均無需標記）、直接針對偏移中佔主導且良性的部分，且重置之後，一個跨許多受試者訓練的分類器，能以極少或無需校準遷移至新受試者。其限制與共變量偏移的圖像相呼應：重置能校正全域的共變異數變化，卻不能校正任務特定的重新標記，且它假設偏移可由該整體性的幾何移動良好近似，而充滿雜訊或強烈非平穩的真實世界資料可能違反此假設。