机构名称：
¥ 1.0
摘要——本研究的目的是通过使 EEG 置信度解码器最佳地适应群体组成来最大化群体决策表现。我们训练线性支持向量机从人类参与者的 EEG 活动中估计他们的决策信心。然后，我们使用加权多数规则组合个人决策来模拟不同规模和成员的群体。分配给组中每个参与者的权重是通过解决小维度、混合、整数线性规划问题来选择的，其中我们最大化训练集上的群体表现。因此，我们引入了优化的协作式脑机接口 (BCI)，其中每个团队成员的决策都根据个人神经活动和群体组成进行加权。我们在 10 名人类参与者执行的人脸识别任务上验证了这种方法。结果表明，最佳协作式 BCI 比其他 BCI 显著提高了团队绩效，同时提高了群体内的公平性。这项研究为协作式 BCI 在以稳定团队为特征的现实场景中的实际应用铺平了道路，在这些场景中，优化单个群体的决策政策可能会带来团队动态的长期显著效益。
优化协作脑机接口以增强面部识别
主要关键词
相关文件推荐
