机构名称：
¥ 1.0
思维徘徊通常以从外部任务向我们的内部，自我生成的思想转向的注意力。这种普遍现象与众多破坏性功能结果有关，包括性能误差和负面影响。尽管迄今为止的研究率很高和影响，但迄今为止的研究尚未确定强大的行为签名，使人们对思想的毫无意义但可靠的发现徘徊，这对于未来的应用来说是一项艰巨但重要的任务。在这里，我们检查了是否可以在机器学习模型中使用电生理学来准确预测思维徘徊状态。，我们从参与者执行了听觉目标检测任务并自我报告是从参与者中记录了头皮脑电图，无论他们是在任务上还是在徘徊。，我们使用事件相关的潜力（ERP）测度成功地（人依赖）和（与人无关的）个体跨越了注意力状态。非线性和线性机器学习模型在受试者中检测到的思维徘徊：支持向量机（AUC = 0.715）和逻辑回归（AUC = 0.635）。重要的是，这些模型还跨越了受试者：支持向量机（AUC = 0.613）和逻辑恢复（AUC = 0.609），这表明我们可以基于该组中观察到的ERP模式可靠地预测给定个人的注意状态。这项研究是第一个证明机器学习模型可以使用电生理学指标“从未见过的”个体的人，强调了它们实时预测秘密注意状态的潜力。
使用脑电图检测思维徘徊：内部和跨个体
主要关键词
相关文件推荐
