序列最优臂辨识及其在脑机接口中的应用
人机交互
2023-05-23 v1 机器学习
神经元与认知
机器学习
摘要
脑机接口（BCI）是一种实现大脑与外部设备或计算机系统之间直接通信的技术。它允许个体仅通过思维与设备进行交互，在医学、康复和人类增强等广泛应用中具有巨大潜力。基于脑电图（EEG）和事件相关电位（ERP）的拼写系统是一种 BCI，它允许用户不使用物理键盘，而是通过在不同刺激呈现范式下记录并解读脑信号来拼写单词。传统的非自适应范式将每次选词独立对待，导致学习过程冗长。为提高采样效率，我们将该问题建模为多臂老虎机中的一系列最优臂辨识任务。借助预训练大语言模型（LLMs），我们利用从先前任务中学到的先验知识来指导并促进后续任务。为以连贯方式实现这一点，我们提出了一种在固定置信度设定与固定预算设定下的序列前二 Thompson 采样（STTS）算法。我们研究了所提算法的理论性质，并通过合成数据分析以及一个 P300 BCI 拼写器仿真示例证明了其实证上的显著提升。
引用
@article{arxiv.2305.11908,
title = {Sequential Best-Arm Identification with Application to Brain-Computer Interface},
author = {Xin Zhou and Botao Hao and Jian Kang and Tor Lattimore and Lexin Li},
journal= {arXiv preprint arXiv:2305.11908},
year = {2023}
}