报告摘要：

目前基于脑电信号的深度学习模型通常是为特定数据集和脑机接口应用而设计的，这限制了模型的规模，从而削弱了模型的表征能力和泛化性。近些年来，脑电基座大模型越来越受到广泛关注，其研究的目的是开发脑电时空预训练模型，使其突破不同任务类型脑电数据集的限制，通过自监督预训练获得脑电信号的通用表征能力，然后在不同的下游任务上对模型进行微调。情感脑机接口是对人的情绪进行识别和调控的脑机接口。本报告将介绍我们实验室在近些年来在多模态情感脑机接口理论方法及其在抑郁症客观评估中的应用方面研究进展，包括情感交互实验范式、多模态跨模态学习、脑电时空自监督学习、脑电大模型和抑郁症客观评估等。

报告人简介：

郑伟龙，上海交通大学计算机学院副教授，博士生导师。入选国家级高层次海外青年人才和上海市海外高层次青年人才。麻省理工学院和哈佛大学医学院麻省总医院博士后。长期从事脑认知与智能、情感计算、脑机交互、类脑计算等研究。在国际高水平会议和期刊发表研究论文140余篇，Google学术引用超万余次，单篇被引超三千余次。荣获IEEE Transactions on Autonomous Mental Development最佳论文奖、IEEE Transactions on Affective Computing最佳论文奖、ACM Multimedia Top Paper奖、2024 ARC Prize最佳论文奖、中国人工智能学会优秀博士学位论文奖和吴文俊人工智能自然科学一等奖，入选上海市浦江人才、小米青年学者、微软亚洲研究院铸星计划、全球前2%科学家年度影响力榜单（2023-2025）。

报告人：郑伟龙 教授（上海交通大学计算机学院）

时间：2026年6月14日 上午10:00

地点：ylzzcom永利总站线路检测青岛校区 N5楼410会议室