自監督預訓練

自監督預訓練藉由解一個「前置任務」（其目標來自資料本身——預測被遮罩的片段、對比時間上相近與相遠的窗、或預測未來活動），從大量未標記的神經資料中學習有用的表示，再於少量已標記的下游任務上微調所學編碼器。它直接針對 BCI 的關鍵瓶頸：標記（經校準、與任務鎖定的試次）稀少且昂貴，而原始 EEG 或 iEEG 卻十分豐沛。

代表性做法包括用於 EEG 的相對位置與時間洗牌前置任務、類 wav2vec 的對比式 BENDR，以及用於皮質內資料的遮罩尖峰重建。一致的發現是資料效率與跨受試者遷移獲得改善，但增益依資料集而異，且當預訓練語料在電極配置、硬體或任務上與目標不同時可能消失——預訓練並不能取代對分布漂移的處理。