个性化联邦学习让SPDNet脑电解码在三个运动想象数据集上超过标准联邦与集中式训练，并在两个数据集上胜过所有EEGNet配置
该工作把个性化联邦学习（所有受试者共享一个主干、每人保留自己的分类头）适配到黎曼SPDNet，并与标准联邦学习和集中式训练对比，以欧氏EEGNet为基线，在三个通道数、受试者数和类别数各异的运动想象数据集上观察到：个性化SPDNet准确率高于标准联邦与集中式训练，收敛轮数更少、通信参数更少，并在三个数据集中的两个上超过所有EEGNet配置，但集中式EEGNet优于集中式SPDNet。