用于拼写脑机接口中生成最优刺激序列的主动 RBSE 框架
星系天体物理
2016-07-27 v1
摘要
一类脑机接口 采用脑电图 (EEG) 信号的非侵入式记录，以使患有严重语言和运动障碍的用户能够与其环境及社交网络进行交互。例如，用于打字的基于 EEG 的 BCI 通常利用事件相关电位 进行推断。当前基于 ERP 的逐字母打字 BCI 中的呈现范式设计，通常向用户查询任意子集的字符。然而，通过更具信息量的子集选择与闪烁分配，打字准确率和打字速度都有可能得到提升。在本文中，我们引入了用于推断与序列优化的主动递归贝叶斯状态估计 框架。在每次迭代的呈现之前，所开发的框架基于查询函数最优地选择一个子集，而不是显示随机选择的字符子集。在每次意图检测期间，所选查询被自适应地专门化以适应用户。通过一项基于仿真的研究，我们评估了 active-RBSE 对语言模型辅助打字 BCI 在打字速度和准确率方面性能的影响。为了提供比较基准，我们还利用了标准呈现范式，即行列矩阵呈现范式以及随机快速序列视觉呈现范式。结果表明，利用 active-RBSE 可以提升系统的在线性能，包括打字准确率和速度。
引用
@article{arxiv.1607.03577,
title = {Star Cluster Formation and Destruction in the Merging Galaxy NGC 3256},
author = {Alexander J. Mulia and Rupali Chandar and Bradley C. Whitmore},
journal= {arXiv preprint arXiv:1607.03577},
year = {2016}
}
备注
18 pages, 15 figures, accepted for publication in ApJ. Image quality on some figures has been degraded to comply with arxiv file limitations