基于随机化 EEG 试验的客体分类
信号处理
2020-04-14 v1 机器学习
机器学习
摘要
新结果表明，对通过 EEG 测量的由图像刺激诱发的人脑活动进行分类的可行性存在严重局限。大量已有工作混淆了刺激类别与实验开始后的时间。先前一项使用随机化试验避免此混淆的尝试，在数据集与原实验规模相当时，未能以统计显著方式取得高于随机水平的结果。在此，我们再次尝试在远大于前（20倍）的数据集上复现这些随机化试验：包含来自单一被试的四十个类别各 1,000 次刺激呈现。据我们所知，这是来自单一被试的最大此类 EEG 数据收集工作，且已处于可行性的边界。我们获得的分类准确率略高于随机水平，并以统计显著方式高于随机水平，进一步评估了准确率如何依赖于所用分类器、所用训练数据量以及类别数。在数据收集达到极限而分类准确率无实质提升，表明该工作的可行性存在局限。
引用
@article{arxiv.2004.06046,
title = {Object classification from randomized EEG trials},
author = {Hamad Ahmed and Ronnie B Wilbur and Hari M Bharadwaj and Jeffrey Mark Siskind},
journal= {arXiv preprint arXiv:2004.06046},
year = {2020}
}