基于判别模型从无创脑电递归估计用户意图
信号处理
2022-11-07 v1 机器学习
摘要
我们研究从无创脑电（EEG）推断用户意图的问题，以恢复重度言语与肢体障碍（SSPI）人群的交流能力。本工作的重点在于改进打字任务中后验符号概率的估计。在打字过程的每次迭代中，基于当前概率估计为下一查询选择符号子集。从事件相关电位（ERP）中收集关于用户响应的证据以更新符号概率，直到某一符号超过预定义置信阈值。我们提供描述该任务的图模型，并基于每次查询标签向量上的判别概率推导递归贝叶斯更新规则，该概率我们使用神经网络分类器近似。我们在模拟打字任务中评估所提方法，显示其优于先前基于生成建模的方法。
引用
@article{arxiv.2211.02630,
title = {Recursive Estimation of User Intent from Noninvasive Electroencephalography using Discriminative Models},
author = {Niklas Smedemark-Margulies and Basak Celik and Tales Imbiriba and Aziz Kocanaogullari and Deniz Erdogmus},
journal= {arXiv preprint arXiv:2211.02630},
year = {2022}
}
备注
5 pages, 2 figures