大脑计算机界面(BCI)是一项技术,可以在大脑与外部设备或计算机系统之间进行直接通信。它允许个人仅使用自己的思想与设备进行交互,并具有在医学,康复和人类增强中广泛应用的巨大潜力。基于脑电图(EEG)和事件相关电位(ERP)的拼写系统是一种BCI,它允许用户在不使用物理键盘的情况下拼写单词,而是通过记录和解释不同刺激呈现范式下的大脑信号。传统的非自适应范式独立对待每个单词选择,从而导致了漫长的学习过程。为了提高采样效率,我们将问题作为一系列最佳武器识别任务的顺序,在多臂匪徒中。利用预先训练的大语言模型(LLMS),我们利用从先前任务中学到的先验知识来告知和促进后续任务。以连贯的方式这样做,我们建议在固定的信心设置和固定的预算设置下进行一个最高的汤普森采样(STTS)算法。我们研究了构成算法的理论特性,并通过合成数据分析以及P300 BCI拼写模拟器示例来证明其实质性的经验改进。
主要关键词