音乐NeuroPicks：用于按需音乐流媒体服务的消费级BCI
神经元与认知
2017-09-06 v1 计算机与社会
人机交互
多媒体
摘要
我们研究了将机器学习方案与商用可穿戴EEG设备结合使用，以将听众对音乐的主观体验转化为可用于流行按需音乐流媒体服务的评分。我们的研究产生两种变体，在性能和执行时间上有所不同，因此服务于在线流媒体音乐平台中的不同应用。第一种方法NeuroPicks极其准确但较慢。它基于完善的神经科学概念：脑波频带、激活不对称性指数和跨频耦合（CFC）。第二种方法NeuroPicksVQ提供较低可信度的快速预测，并依赖于自定义构建的矢量量化过程版本，该过程促进了对音乐调制脑波的新参数化。除了特征工程步骤外，两种方法都利用极限学习机（ELM）的固有效率，以个性化方式将派生模式转化为听众评分。NeuroPicks方法可作为当代音乐推荐系统的组成部分，而NeuroPicksVQ可控制音乐曲目的选择。本文给出了来自系统实际使用的令人鼓舞的实验结果。
引用
@article{arxiv.1709.01116,
title = {Musical NeuroPicks: a consumer-grade BCI for on-demand music streaming services},
author = {Fotis Kalaganis and Dimitrios A. Adamos and Nikos Laskaris},
journal= {arXiv preprint arXiv:1709.01116},
year = {2017}
}