MarkovType：一种用于非侵入式脑机接口输入系统的马尔可夫决策过程策略
机器学习
2024-12-23 v1
摘要
脑机接口 (BCI) 帮助具有严重语音和运动障碍者通过神经活动与环境交互。本工作聚焦于非侵入式电生理信号 (EEG) 的快速序列视觉呈现 (RSVP) 范式。RSVP 输入任务具有递归特征，包含多个序列，用户在每个序列中仅看到部分符号的子集。广泛研究旨在提高 RSVP 输入任务中分类的性能，实现快速分类。然而，这些方法在实现高准确率方面存在挑战，且未在学习过程中考虑输入机制。它们应用二元目标和非目标分类，而未包含递归训练。为在控制分类速度的同时提高符号分类性能，我们将输入方案纳入训练，通过提出一种部分可观测马尔可夫决策过程 (POMDP) 方法来实现。据我们了解，这是首个将 RSVP 输入任务建模为 POMDP 以进行递归分类的工作。实验表明，所提出的方法 MarkovType 相对于竞争方法实现了更准确的输入系统。此外，我们的实验表明，虽然准确率与速度之间存在权衡，但 MarkovType 在其他方法中实现了最佳平衡。
引用
@article{arxiv.2412.15862,
title = {MarkovType: A Markov Decision Process Strategy for Non-Invasive Brain-Computer Interfaces Typing Systems},
author = {Elifnur Sunger and Yunus Bicer and Deniz Erdogmus and Tales Imbiriba},
journal= {arXiv preprint arXiv:2412.15862},
year = {2024}
}
备注
9 pages, 4 figures