我们研究从无创脑电图 (EEG) 推断用户意图的问题,以恢复患有严重言语和身体障碍 (SSPI) 的人的交流。这项工作的重点是改进打字任务中后验符号概率的估计。在打字过程的每次迭代中,都会根据当前概率估计为下一个查询选择一个符号子集。从事件相关电位 (ERP) 收集有关用户响应的证据,以更新符号概率,直到一个符号超过预定义的置信度阈值。我们提供了一个描述此任务的图形模型,并根据每个查询的标签向量上的判别概率推导出一个递归贝叶斯更新规则,我们使用神经网络分类器对其进行近似。我们在模拟打字任务中评估了所提出的方法,并表明它优于以前基于生成模型的方法。
![arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日PDF文件第1页](/bimg/a/a9c17c0e6de04746adabc1ec59cc38be1aff619f.webp)
![arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日PDF文件第2页](/bimg/1/15e586fc07e285003c2a564ee55d7c10a4f10a7b.webp)
![arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日PDF文件第3页](/bimg/1/16af1fbc04f4fa500f2226b6e6f4664e50c28033.webp)
![arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日PDF文件第4页](/bimg/4/451c4debcea3ba479d3333f2e45fd4514315a0fd.webp)
![arXiv:2211.02630v1 [eess.SP] 2022 年 10 月 29 日PDF文件第5页](/bimg/4/48097bf75c412dfb836b4480e0087cf2a9d95de8.webp)
