基于脑机接口的注意力模式检测
人机交互
2020-05-25 v1 人工智能
信号处理
摘要
人脑提供了一系列功能，如表达情绪、控制呼吸频率等，其研究多年来一直吸引着科学家的兴趣。随着机器学习模型日益成熟，且通过新型非侵入式技术获取生物特征数据变得更加容易，获取有望革新人机交互的生物特征数据日益成为可能。在本研究中，我们提出一种评估和量化人类注意力水平及其对学习影响的方法。在我们的研究中，我们采用一种能够检测脑波活动并显示相应脑电图（EEG）的脑机接口（BCI）。我们训练循环神经网络（RNN）来识别个体正在执行的活动类型。
引用
@article{arxiv.2005.11151,
title = {Attention Patterns Detection using Brain Computer Interfaces},
author = {Felix G. Hamza-Lup and Adytia Suri and Ionut E. Iacob and Ioana R. Goldbach and Lateef Rasheed and Paul N. Borza},
journal= {arXiv preprint arXiv:2005.11151},
year = {2020}
}