事件相关电位脑电信号分析算法研究及其应用
这是一篇关于脑电图,事件相关电位,快速序列视觉呈现,非对称视觉诱发电位,深度学习的论文, 主要内容为脑机接口(Brain-Computer Interface,BCI)技术在人机混合智能中发挥着重要作用,它通过收集人脑的电信号、并对其进行识别、转化,从而在人脑与外界设备之间建立起直接的信息交流通道。其中,事件相关电位(Event-Related Potential,ERP)反映了大脑对特定发生事件的直接响应,在神经科学领域有着广泛的研究与应用。本研究以诱发P300信号的快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)范式和诱发视觉电位的非对称视觉诱发电位(asymmetric Visual Evoked Potentials,aVEPs)范式为出发点,使用深度学习模型识别脑电图(Electroencephalogram,EEG)信号,提出了两种算法模型分别对这两种范式的EEG信号进行解码,扩展了深度学习模型在脑电分析中的应用。(1)在基于EEG信号的图像识别中,RSVP范式得到了广泛的应用。为提高EEG信号识别目标图片的性能,本文提出一种改进的EEGNet网络模型,该模型在EEGNet模型的基础上加入x DAWN滤波,以增强EEG信号的信噪比,并达到降维,提升运算速度的目的。我们在清华大学benckmark离线数据集上进行验证,实验结果表明:在样本不均衡的二分类问题中,目标图片的召回率在A组数据集可达76.07%±11.07%,B组数据集可达78.11%±11.87%。在2021年世界机器人大赛BCI脑控机器人决赛中,我们将提出的模型进行现场验证。在样本不均衡的三分类问题中,目标图片在线识别召回率可达51.56%,获得了本次比赛第二名。该模型在离线识别和在线识别中都取得了很好的效果,为基于RSVP范式的图片识别提供了一种新的有效的方法。(2)基于aVEPs的字符拼写系统的刺激范式是近年一个新的范式。对此范式的字符识别研究也相对较少。针对此范式本文提出基于卷积注意力(Convolutional Block Attention Module,CBAM)的深度卷积网络(Deep Convolutional Neural Network,Deep Conv Net)模型完成对字符的识别。为评估模型的性能,我们对字符识别准确率和信息传输速率(Information Transfer Rate,ITR)进行了检测。实验结果表明:当时间长度为300 ms时,该模型的识别准确率和ITR最高。在数据集A中字符识别准确率为65.57%±5.09%,在数据集B中字符识别准确率为77.63%±3.41%。在数据集A中最高ITR为38.23±6.00 bits/min,在数据集B中最高ITR为66.74±7.98 bits/min。本研究为基于aVEPs的字符识别提供了一种新的解决思路。综上所述:本文对事件相关电位脑机接口开展了较为系统的研究,涉及了P300脑电信号和aVEPs脑电信号。主要贡献:一是提出改进的EEGNet模型应用于RSVP范式的图像识别,二是提出基于卷积注意力的Deep Conv Net模型应用于aVEPs范式的字符识别。离线实验和在线实验均验证了上述算法的有效性,本文研究为事件相关电位脑机接口的研究提供了新方法、新思路。
基于脑机协同智能的复杂目标检索在线系统研究
这是一篇关于脑机协同智能,复杂目标检索,事件相关电位,超扫描网络,跨被试,迁移学习的论文, 主要内容为基于计算机视觉的目标图像检索在视频监控、医学图像分析等领域应用广泛。然而,由于部分目标具有伪装、遮挡、抽象以及不确定等特性,目标的准确识别变得富有挑战性。研究者提出了基于快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)范式的目标图像检索。RSVP范式依赖人脑在观察目标图像时产生的事件相关电位(Event-related Potentials,ERP)来完成复杂目标图像检索。然而,当数据库中存在大量的视频和图像时,RSVP范式的实用性受到限制,因为人的精力和认知能力是有限的。考虑到RSVP范式的局限性,将人类的认知能力与计算机的高吞吐量相结合,以闭环检索系统的形式实现目标图像检索的功能显得尤为重要。本文针对单次事件相关电位检测难、跨被试稳定性差和海量数据处理难等问题,展开了基于脑机协同智能的复杂目标检索在线系统的研究。(1)针对单次事件相关电位检测难、单被试易受干扰的问题,本文引入双被试RSVP新范式,并设计了超扫描网络对双被试脑电信号进行识别。该网络的两个模块分别在数据层与特征层对两位被试的数据与特征进行了融合,实现了多层次脑电信号的整合。在时间维度采用了分块长短期记忆人工神经网络对不同时间段的信号分别进行特征提取,完成了细粒度的底层特征提取。在特征层进行融合的同时,采用一些朴素的操作完成对数据层的融合,确保重要信息不被遗漏。采用五折交叉验证,实验结果表明本文的方法相比于传统的单被试RSVP提高了至少5%的F1-Score且具备更优的稳定性、精确率及召回率。(2)针对跨被试检测稳定性差的问题,本文提出了一种面向跨被试RSVP的多特征低维子空间嵌入的ERP检测方法。以往的评价方法多采用单一的脑电特征来进行ERP的检测,在跨被试时存在稳定性问题,本文方法首先采用迁移学习方法中的欧式空间对齐对不同被试的数据进行对齐,其次将来自不同空间的特征分别进行有监督降维、重构。最终采用留一被试法作为检验方法、平衡准确率作为评价指标,在Physio Net RSVP数据集以及清华RSVP数据集下共计14个长度分段中,有12个长度分段达到最优分类结果。结果表明本文提出的多特征低维子空间嵌入方法能够有效提升ERP检测时的稳定性。(3)针对海量数据检索的问题,本文设计了一个基于脑机协同的复杂目标检索在线系统。在系统中通过脑电判别模块引导计算机视觉中的目标检测、行人重定位模块寻找目标,通过计算机视觉的模块来辅助人的对目标的认知、检索。针对不同脑电采集设备的接入方式不统一、不便携的问题,设计了抽象脑机接口模块统一不同脑电采集设备的信号接入接口。最后,通过对脑电目标检测任务引入线程池来提高实时脑电信号判别的响应速度。通过在线实验验证,本文提出的复杂目标检索在线系统具有高响应性、可定制性和高效性。以人类大脑为指引,计算机视觉为辅助,本文进行了基于脑机协同智能的复杂目标检索在线系统研究。这些研究成果既是对当前脑机协同智能技术的有效补充,也为复杂目标的检索提供了更多的思路和解决方案。
基于脑机协同智能的复杂目标检索在线系统研究
这是一篇关于脑机协同智能,复杂目标检索,事件相关电位,超扫描网络,跨被试,迁移学习的论文, 主要内容为基于计算机视觉的目标图像检索在视频监控、医学图像分析等领域应用广泛。然而,由于部分目标具有伪装、遮挡、抽象以及不确定等特性,目标的准确识别变得富有挑战性。研究者提出了基于快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)范式的目标图像检索。RSVP范式依赖人脑在观察目标图像时产生的事件相关电位(Event-related Potentials,ERP)来完成复杂目标图像检索。然而,当数据库中存在大量的视频和图像时,RSVP范式的实用性受到限制,因为人的精力和认知能力是有限的。考虑到RSVP范式的局限性,将人类的认知能力与计算机的高吞吐量相结合,以闭环检索系统的形式实现目标图像检索的功能显得尤为重要。本文针对单次事件相关电位检测难、跨被试稳定性差和海量数据处理难等问题,展开了基于脑机协同智能的复杂目标检索在线系统的研究。(1)针对单次事件相关电位检测难、单被试易受干扰的问题,本文引入双被试RSVP新范式,并设计了超扫描网络对双被试脑电信号进行识别。该网络的两个模块分别在数据层与特征层对两位被试的数据与特征进行了融合,实现了多层次脑电信号的整合。在时间维度采用了分块长短期记忆人工神经网络对不同时间段的信号分别进行特征提取,完成了细粒度的底层特征提取。在特征层进行融合的同时,采用一些朴素的操作完成对数据层的融合,确保重要信息不被遗漏。采用五折交叉验证,实验结果表明本文的方法相比于传统的单被试RSVP提高了至少5%的F1-Score且具备更优的稳定性、精确率及召回率。(2)针对跨被试检测稳定性差的问题,本文提出了一种面向跨被试RSVP的多特征低维子空间嵌入的ERP检测方法。以往的评价方法多采用单一的脑电特征来进行ERP的检测,在跨被试时存在稳定性问题,本文方法首先采用迁移学习方法中的欧式空间对齐对不同被试的数据进行对齐,其次将来自不同空间的特征分别进行有监督降维、重构。最终采用留一被试法作为检验方法、平衡准确率作为评价指标,在Physio Net RSVP数据集以及清华RSVP数据集下共计14个长度分段中,有12个长度分段达到最优分类结果。结果表明本文提出的多特征低维子空间嵌入方法能够有效提升ERP检测时的稳定性。(3)针对海量数据检索的问题,本文设计了一个基于脑机协同的复杂目标检索在线系统。在系统中通过脑电判别模块引导计算机视觉中的目标检测、行人重定位模块寻找目标,通过计算机视觉的模块来辅助人的对目标的认知、检索。针对不同脑电采集设备的接入方式不统一、不便携的问题,设计了抽象脑机接口模块统一不同脑电采集设备的信号接入接口。最后,通过对脑电目标检测任务引入线程池来提高实时脑电信号判别的响应速度。通过在线实验验证,本文提出的复杂目标检索在线系统具有高响应性、可定制性和高效性。以人类大脑为指引,计算机视觉为辅助,本文进行了基于脑机协同智能的复杂目标检索在线系统研究。这些研究成果既是对当前脑机协同智能技术的有效补充,也为复杂目标的检索提供了更多的思路和解决方案。
个性化推荐解释、矛盾性追评对消费者在线购买决策的影响——调节定向视角
这是一篇关于事件相关电位,个性化推荐解释,矛盾性追评,调节定向的论文, 主要内容为心理因素营销(psychographic marking),即依据对象的性格特征开展针对性的推广活动。2018年闹得沸沸扬扬的剑桥分析(Cambridge Analytical)正是采取这样的方式,国内各种心理测试小平台也期望通过了解用户心理来形成“用户心理画像”,从而为各大电商平台服务。对于心理因素营销的效果,学界的褒贬不一,甚至在程度上也未能探索出一个满意结果。这项矛盾的背后,潜藏的可能是人对事物认知的复杂性和对外界因素的敏感性。调节定向理论将人分为促进型定向和防御型定向:促进型定向关注于自我实现和积极的行为,防御型定向关注于自我保护和消极结果的避免。当推荐解释信息与用户心理一致时,则产生调节匹配效应。线索利用理论将用户关注线索分为:内部线索和外部线索;内部线索是产品本身的属性,基于商品属性的推荐解释是内部线索的一种,外部线索与商品本身属性无关,本研究选取矛盾性追评作为用户可以观测的线索。同时,研究采用脑电研究方法,观测用户决策行为中的注意力分配,决策冲突感知,对行为数据进行二重解释。研究分为两部分,选取38名被试,研究1采用2(调节定向:促进定向/防御定向)*(推荐解释:想要面子/保护面子)的组间设计;研究2(调节定向:促进定向/防御定向)*(推荐解释:想要面子/保护面子)*(矛盾性追评:反转正向追加评论/反转负向追加评论)的组间混合设计。结果发现:(1)推荐匹配效应与个体早期注意力资源的分配有关(2)调节定向个体在信息辨识和信息处理方式上存在显著差异。(3)矛盾性追评显著影响调节定向个体决策;N2、LPP成分的振幅差异也做出了相应解释。(4)个体整体决策过程中脑电成分N1、N2和P2存在显著差异。研究证实了调节定向特质对推荐解释类型和矛盾性追加评论类型之间存在调节匹配效应,并且产生调节匹配效应的组合对应较高的N1和P2波幅(防御定向个体N1未产生差异),这说明消费者对视觉营销信息提取、评价的过程与枕叶和前额叶脑区的激活息息相关。实验二发现不同调节定向消费者对矛盾性追评认知加工的路径差异。促进定向消费者对信息提取更为精细;更容易从矛盾性追加中知觉到认知冲突;防御定向消费者侧重对风险因素的知觉,信息提取方式较为粗糙,更愿意把矛盾性追评看作一个风险性的整体。
隐私权限的线索组合对推荐用户授权决策的影响——认知风格视角的ERP研究
这是一篇关于隐私权限,认知匹配理论,线索组合,认知风格,事件相关电位的论文, 主要内容为大数据时代,应用平台的个性化服务需要获取用户数据以提高推荐质量及回馈,但隐私泄露事件的频发逐步激化用户隐私决策与个性化推荐系统之间的矛盾,“隐私悖论”现象应运而生。尽管当前已有学者开始关注用户隐私领域,并从隐私计算、解释水平等多个视角解释该现象,但是受限于方法的局限性,多数研究仍停留在对用户外显行为进行理论性探讨的层面,缺乏对个体内隐认知加工过程的深层次挖掘,常混淆隐私意愿和行为的区别,因意愿对行为有潜在影响却不一定会导致对应的行为结果,使得部分运用问卷、量表定义用户隐私及其行为的研究结论存在偏差;另一方面,普遍认可的隐私计算理论,认为隐私决策是基于成本和效益的权衡结果,计算模式高度概括化,缺乏明确计算路径,且在及时性反应中难以存在高认知的“计算”过程,因而其解释力度有限。同时,研究多聚焦于隐私披露意愿、行为等结果变量,与用户隐私控制感知密切相关的隐私授权与授权线索特性作为用户进行信息披露的首要步骤和前因变量未得到充分关注。基于此,本文提出核心问题:隐私权限的线索组合如何通过影响推荐用户的授权决策,进而造成个体隐私态度与行为不一致的悖论现象。为了回答核心问题,本文模拟大数据背景下个性化应用平台的隐私授权情境,以认知匹配理论和线索一致性理论为基础,采用事件相关电位方法,从“认知风格—情境线索—信息加工—行为决策”的角度出发,对现实授权情境最常涉及的权限敏感度、授权透明度以及平台熟悉度进行特性划分和线索组合,递进地设计了两个实验,实验一采用2(认知风格:场独立vs.场依存)×2(权限敏感度:高vs.低)×2(授权透明度:高vs.低)的组间实验设计,初步验证个体倾向于依据自身认知能力匹配线索而进行选择性决策;实验二在实验一的基础上,改变边缘线索类型,通过2(认知风格:场独立vs.场依存)×2(权限敏感度:高vs.低)×2(平台熟悉度:高vs.低)的组间实验,进一步证实个体面对隐私问题具有认知匹配与选择性倾向的同时,比较用户决策对不同启发式线索的认知处理和依赖程度。综合行为、脑电数据后得出四项研究结论,第一,授权透明度、平台熟悉度正向促进用户的隐私授权决策,权限敏感度负向影响授权决策,线索组合的交互作用支持线索一致性理论在个体信息加工过程的适用观点;第二,个体隐私授权决策会受到情境线索组合和认知风格的匹配效应影响;第三,相较于隐私计算理论,认知匹配理论更适用于解释个体隐私授权时的悖论现象,即使涉及高风险的隐私问题,用户依旧根据自身认知而选择性利用线索做出判断;第四,涉及隐私授权的决策时间并非和线索组合效价一致性呈正相关,结果支持线索一致性理论关于个体注意力分配和负性主导两部分在本研究情境下的应用。
隐私权限的线索组合对推荐用户授权决策的影响——认知风格视角的ERP研究
这是一篇关于隐私权限,认知匹配理论,线索组合,认知风格,事件相关电位的论文, 主要内容为大数据时代,应用平台的个性化服务需要获取用户数据以提高推荐质量及回馈,但隐私泄露事件的频发逐步激化用户隐私决策与个性化推荐系统之间的矛盾,“隐私悖论”现象应运而生。尽管当前已有学者开始关注用户隐私领域,并从隐私计算、解释水平等多个视角解释该现象,但是受限于方法的局限性,多数研究仍停留在对用户外显行为进行理论性探讨的层面,缺乏对个体内隐认知加工过程的深层次挖掘,常混淆隐私意愿和行为的区别,因意愿对行为有潜在影响却不一定会导致对应的行为结果,使得部分运用问卷、量表定义用户隐私及其行为的研究结论存在偏差;另一方面,普遍认可的隐私计算理论,认为隐私决策是基于成本和效益的权衡结果,计算模式高度概括化,缺乏明确计算路径,且在及时性反应中难以存在高认知的“计算”过程,因而其解释力度有限。同时,研究多聚焦于隐私披露意愿、行为等结果变量,与用户隐私控制感知密切相关的隐私授权与授权线索特性作为用户进行信息披露的首要步骤和前因变量未得到充分关注。基于此,本文提出核心问题:隐私权限的线索组合如何通过影响推荐用户的授权决策,进而造成个体隐私态度与行为不一致的悖论现象。为了回答核心问题,本文模拟大数据背景下个性化应用平台的隐私授权情境,以认知匹配理论和线索一致性理论为基础,采用事件相关电位方法,从“认知风格—情境线索—信息加工—行为决策”的角度出发,对现实授权情境最常涉及的权限敏感度、授权透明度以及平台熟悉度进行特性划分和线索组合,递进地设计了两个实验,实验一采用2(认知风格:场独立vs.场依存)×2(权限敏感度:高vs.低)×2(授权透明度:高vs.低)的组间实验设计,初步验证个体倾向于依据自身认知能力匹配线索而进行选择性决策;实验二在实验一的基础上,改变边缘线索类型,通过2(认知风格:场独立vs.场依存)×2(权限敏感度:高vs.低)×2(平台熟悉度:高vs.低)的组间实验,进一步证实个体面对隐私问题具有认知匹配与选择性倾向的同时,比较用户决策对不同启发式线索的认知处理和依赖程度。综合行为、脑电数据后得出四项研究结论,第一,授权透明度、平台熟悉度正向促进用户的隐私授权决策,权限敏感度负向影响授权决策,线索组合的交互作用支持线索一致性理论在个体信息加工过程的适用观点;第二,个体隐私授权决策会受到情境线索组合和认知风格的匹配效应影响;第三,相较于隐私计算理论,认知匹配理论更适用于解释个体隐私授权时的悖论现象,即使涉及高风险的隐私问题,用户依旧根据自身认知而选择性利用线索做出判断;第四,涉及隐私授权的决策时间并非和线索组合效价一致性呈正相关,结果支持线索一致性理论关于个体注意力分配和负性主导两部分在本研究情境下的应用。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://bishedaima.com/lunwen/54586.html
