利用大语言模型、脑电图和行为数据测量与支持注意力与睡眠
信号处理
2024-08-16 v1 人工智能
人机交互
机器学习
摘要
我们探索了大型语言模型（LLMs）——利用海量文本数据训练的预训练模型——在检测和改善这些改变状态中的应用。我们研究了利用LLMs基于脑电图（EEG）和身体活动数据（如波形、功率谱图图像、数值特征）来估计注意力状态、睡眠阶段和睡眠质量，并生成睡眠改善建议和自适应引导想象脚本。我们的结果表明，LLMs可以基于人类文本行为特征来估计睡眠质量并提供个性化的睡眠改善建议和引导想象脚本；然而，基于EEG和活动数据检测注意力、睡眠阶段和睡眠质量仍需要进一步的训练数据和领域特定知识。
引用
@article{arxiv.2408.07822,
title = {Exploration of LLMs, EEG, and behavioral data to measure and support attention and sleep},
author = {Akane Sano and Judith Amores and Mary Czerwinski},
journal= {arXiv preprint arXiv:2408.07822},
year = {2024}
}