贝叶斯模型：个体学习控制运动意象脑机接口
人机交互
2024-10-10 v1
摘要
主体在脑机接口（BCI）和神经反馈（NF）训练中自我调节的认知机制仍鲜为人知。然而，构建每个个体学习轨迹的机制性计算模型是提升 BCI 应用可靠性的关键需求。现有方法大多依赖无模型（强化学习）方法，无法捕捉个体发展出的策略，也无法精确预测其学习曲线。本研究提出一种替代方法，基于主动推断框架中的认知技能学习模型。我们展示了 BCI 训练如何在高不确定性下被建模为推理问题。本研究以已发布的合成运动意象 ERD 后侧训练为例，说明通过简单调整模型参数即可定性匹配实验结果，并能解释不同主体的表现。本方法的未来发展可能为建模个体技能学习提供强大的计算工具，从而优化并细化 characterize BCI 训练。
引用
@article{arxiv.2410.05926,
title = {Bayesian model of individual learning to control a motor imagery BCI},
author = {Côme Annicchiarico and Fabien Lotte and Jérémie Mattout},
journal= {arXiv preprint arXiv:2410.05926},
year = {2024}
}
备注
9th International Graz Brain-Computer Interface Conference 2024, Sep 2024, Graz, Austria