分析 P300 干扰项以用于目标重建
神经元与认知
2018-10-31 v1
摘要
基于 P300 的脑机接口(BCIs)通常针对每个用户和每个应用空间进行训练。训练此类模型需要在模型训练期间掌握目标与非目标刺激类别的 ground truth 知识，这给模型引入了偏差。此外，并非所有非目标都是等同的；某些可能包含类似于目标的视觉特征，或者在视觉上显著。当前研究表明，基于这些干扰项与目标类别的感知相似性，非目标干扰项可能引出衰减的 P300 响应。为最小化此偏差并实现更细致的分析，我们采用一种既不拟合用户也不拟合任务的广义 BCI 方法。我们并不试图用我们的广义方法提升 BCI 的总体准确率；而是展示我们的方法在识别目标相关图像特征方面的效用。当与其他智能体(如计算机视觉系统)结合时，广义模型的性能等同于用户特定模型，且无需任何用户特定数据。
引用
@article{arxiv.1807.04334,
title = {Analyzing P300 Distractors for Target Reconstruction},
author = {Jonathan R. McDaniel and Stephen M. Gordon and Amelia J. Solon and Vernon J. Lawhern},
journal= {arXiv preprint arXiv:1807.04334},
year = {2018}
}
备注
4 pages, 3 figures