待验证50% 置信事实精确时间
DenoFlow 是一种用于稳态视觉诱发电位（SSVEP）脑电信号去噪的方法，采用流匹配（Flow Matching）建模思路
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证DenoFlow 采用 rectified-flow（修正流）框架，场网络回归污染信号与干净信号之间直线路径上的速度场67% 相似待验证Flow matching是一种生成模型训练方法，直接学习从噪声分布到数据分布的确定性ODE路径，定义线性插值路径xt=(1-t)x₀+tx₁，神经网络学习预测该路径上每一点的速度向量63% 相似待验证DenoFlow 通过将真实记录的 EMG 和 EOG 生理伪影按受控信噪比注入干净信号来人工构造配对训练样本60% 相似已验证Flow Matching通过学习确定性速度场将噪声分布连续映射到数据分布，Stable Diffusion 3和Flux均采用此框架60% 相似待验证Stable Diffusion 基于去噪扩散概率模型（DDPM）理论，将扩散过程从像素空间转移到低维潜在空间，由VAE负责编解码，CLIP模型将文本提示编码为语义向量59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986802API
curl https://kongchang.com/api/v1/knowledge/claims/986802MCP
get_claim(id=986802)