脑电图脑表示的解码是一种有力的数据驱动技术，可评估认知信息处理流。 它可以促进对认知控制网络的更彻底的理解。 多年来，连续的绩效任务一直被用来研究主动和反应性认知功能受损。 到目前为止，主要是任务绩效和单变量脑电图参与了此类研究。 在这项研究中，我们从连续性能任务变化的多变量模式分析中受益，以提供更完整的时空概述，这些时空的概述是涉及持续和短暂关注和响应准备的信息处理流。 除了与以前的脑电图研究相符的效果外，可以通过使用的方法更加空间和时间细节来描述，我们的结果还可以表明，如果违反期望，则可能存在高阶反馈控制系统。 这种反馈控制与个人间和个体间的行为调制有关。脑电图脑表示的解码是一种有力的数据驱动技术，可评估认知信息处理流。它可以促进对认知控制网络的更彻底的理解。多年来，连续的绩效任务一直被用来研究主动和反应性认知功能受损。到目前为止，主要是任务绩效和单变量脑电图参与了此类研究。在这项研究中，我们从连续性能任务变化的多变量模式分析中受益，以提供更完整的时空概述，这些时空的概述是涉及持续和短暂关注和响应准备的信息处理流。除了与以前的脑电图研究相符的效果外，可以通过使用的方法更加空间和时间细节来描述，我们的结果还可以表明，如果违反期望，则可能存在高阶反馈控制系统。这种反馈控制与个人间和个体间的行为调制有关。