SeDMiD用于困惑检测：从时间序列脑电波数据揭示心智状态
神经元与认知
2016-12-01 v1 人工智能
机器学习
摘要
理解大脑如何运作多年来一直是个引人入胜的话题。随着近期在收集海量数据和发展先进技术方面的进展，人们开始有兴趣应对将脑电波数据解码为有意义心智状态的挑战，许多机器学习模型和算法被重新审视和开发，尤其是处理时间序列数据的那些，因为脑电波的本质使然。然而，这些时间序列模型中的许多，如离散空间隐状态的HMM或连续空间隐状态的状态空间模型，仅能处理单一数据源，无法同时处理不同来源的信息。本文中，我们提出状态空间模型的一种扩展，以结合不同来源的信息及其学习和推断算法。我们将该模型应用于基于脑电波解码学生听课时的心智状态，并相比传统方法取得了显著更好的结果。
引用
@article{arxiv.1611.10252,
title = {SeDMiD for Confusion Detection: Uncovering Mind State from Time Series Brain Wave Data},
author = {Jingkang Yang and Haohan Wang and Jun Zhu and Eric P. Xing},
journal= {arXiv preprint arXiv:1611.10252},
year = {2016}
}
备注
11 pages, 2 figures, NIPS 2016 Time Series Workshop