XiaoMi-AI文件搜索系统
World File Search System分心
基于动态驾驶员模型的分心估计：原理与算法
HAL 是一个多学科的开放获取档案馆，用于存放和传播科学研究文件，无论它们是否已出版。这些文件可能来自法国或国外的教学和研究机构，或者来自公共或私人研究中心。
脑机接口和交通中的认知分心
新型可穿戴神经技术能够洞察佩戴者的认知过程，并提供改变或增强其能力的方法。此外，它还提供了免提设备控制的前景。由于这些脑机接口的可访问性和可负担性不断提高，它们很可能在不久的将来成为日常技术。因此，我们必须预测它们的影响，不仅对社会和个人有广泛影响，而且更具体地说，对交通和运输等领域也有影响。在注意力日益成为稀缺商品的经济中，这些创新可能为需要集中注意力的日常活动（如驾驶和骑自行车）带来机遇和挑战。在这里，我们认为它们的发展具有双重风险。首先，基于 BCI 的设备可能会匹配或进一步增加认知人机交互的强度，超过当前的免提通信设备，尽管后者被广泛接受，但众所周知，它会引入大量的认知负荷和干扰。其次，基于 BCI 的设备通常比免提设备更难被目视检测（例如，执法部门如何检查这些极小且集成良好的设备何时被使用？）和限制其使用（例如，我们如何在不侵犯个人完整性和隐私的情况下阻止用户使用此类神经技术？）。研究人员、工程师和政策制定者应该预见到它们在交通中的使用，以确保所有道路使用者的安全。
在分心编码期间，年轻和老年人的alpha调制
通过α功率调节感觉神经元兴奋性。未能调节α功率并抑制分心信息的老年人在注意力和工作记忆任务中的报道。鉴于编码过程中的α功率可以预测随后的内存性能，因此异常振荡调制可能在与年龄相关的记忆缺陷中起作用。但是，在分散注意力时，在编码目标时，记忆性能或α调制是否存在与年龄相关的差异。在这里，我们表明，年龄较大的成年人和年轻人都能够编码与干扰因素配对的目标，并且在编码预测识别成功过程中的α功率调制水平。即使老年人表现出更高的分心迹象，但这并没有损害其目标信息的情节记忆。另外，我们证明，老年人仅通过增强目标处理和抑制分散处理过程而在高度分散注意力期间仅调节α功率。这些结果表明，年轻人和老年人都能够成功采用相同的抑制控制机制，但是当分散注意力最小的时候，老年人都无法呼吁这些机制。这项研究的发现使我们对整个生命周期编码的记忆的机制有了更多的了解。
认知分心对脑电信号上肢运动解码的影响
摘要 目的：从脑电信号中解码手部运动对上肢障碍患者的康复和辅助至关重要。现有的从脑电信号中解码手部运动的研究很少考虑干扰因素。然而在实际生活中，患者在使用手部运动解码系统时可能会受到干扰。本文旨在研究认知干扰对运动解码性能的影响。方法：首先利用黎曼流形提取仿射不变特征和高斯朴素贝叶斯分类器（RM-GNBC），提出一种从脑电信号中对认知干扰进行手部运动方向鲁棒解码的方法。然后，利用无干扰和有干扰条件下的实验和模拟脑电数据，比较三种解码方法（包括所提出的方法、切向空间线性判别分析（TSLDA）和基线方法））的解码性能。结果：仿真和实验结果表明，基于黎曼流形的方法（即RM-GNBC和TSLDA）在无认知分心和有认知分心条件下的准确率均高于基线方法，且无认知分心和有认知分心条件下解码准确率的下降幅度小于基线方法。此外，RM-GNBC方法在无认知分心和有认知分心条件下的准确率分别比TSLDA方法高6%（配对t检验，p=0.026）和5%（配对t检验，p=0.137）。结论：结果表明，基于黎曼流形的方法对认知分心具有更高的鲁棒性。意义：本研究有助于开发脑机接口（BCI），以改善现实生活中手部残疾患者的康复和辅助，并为研究分心对其他BCI范式的影响开辟了道路。
分心会削弱食物奖励的目标导向神经反应
1 拉德堡德大学，唐德斯大脑、认知和行为研究所，邮政信箱 9101，奈梅亨，6500 HB，荷兰 2 瓦赫宁根大学及研究中心人类营养与健康部，邮政信箱 8129，瓦赫宁根，6700 EV，荷兰 3 乌得勒支大学图像科学研究所和乌得勒支大学医学中心脑中心，海德堡大道 100，3584 CX，乌得勒支，荷兰
使用大脑连接性估计器改善基于EEG的驱动器分心分类
摘要：本文讨论了通过使用大脑连接估计器作为特征来讨论脑电图（脑电图）基于脑电图分散分类的新方法。有超过一年的驾驶经验和平均年龄为24.3的健康志愿者参加了具有两个条件的虚拟现实环境，简单的数学解决问题任务和一项骑行任务，以模仿分心的驾驶任务和一项非分布驾驶任务。独立的组件分析（ICA）是在与额叶，中央，顶，枕骨，左运动和右运动区域相关的六个选定组件的选定时期进行的。Granger – Geweke因果关系（GGC），定向转移函数（DTF），部分定向相干（PDC）和广义部分定向相干性（GPDC）大脑连接估计器用于计算连接性矩阵。这些连接矩阵被用作具有径向基函数（RBF）的支持向量机（SVM）的功能，并将分心和非分布驾驶任务分类。GGC，DTF，PDC和GPDC连接估计器的分类精度分别为82.27％，70.02％，86.19％和80.95％。进行了PDC连接估计器的进一步分析，以确定分散注意力和非分布驾驶任务之间的最佳窗口。这项研究表明，PDC连接性估计器可以为驾驶员分心提供更好的分类精度。
使用混合深度对干扰程度进行分类...
摘要 — 非侵入式脑机接口技术已经得到发展，可用于高性能检测人类心理状态。检测飞行员的心理状态尤为重要，因为他们的异常心理状态可能会导致灾难性的事故。在本研究中，我们提出了应用深度学习方法对分心程度（即正常状态、低分心和高分心）进行分类的可行性。据我们所知，这项研究是首次尝试在飞行环境下对分心程度进行分类。我们提出了一个对分心程度进行分类的模型。共有十名飞行员在模拟飞行环境中进行了实验。对所有受试者的分心程度进行分类的平均准确率为 0.8437（± 0.0287）。因此，我们相信它将对未来基于人工智能技术的自动驾驶或飞行做出重大贡献。
![arXiv:2004.11839v1 [eess.SP] 2020 年 4 月 14 日](/simg/e\ec8a1d79f2a028841fd2dacb9f614acf6985b209.webp)
arXiv:2004.11839v1 [eess.SP] 2020 年 4 月 14 日
每年，有近 125 万人死于车祸。平均每天有 3,287 人死亡，而且这个数字还在上升 [1]。据两家新闻媒体报道，分心驾驶是过去几十年来车祸的主要原因 [2; 3]。驾驶员现在比以往任何时候都更容易分心，他们经常因为移动设备、导航系统和复杂的控制系统而不再注意路况 [2]。据预测，如果不采取措施，到 2030 年，道路交通伤害将成为第五大死亡原因 [1]。因此，检测驾驶员分心事件非常重要。已经提出了各种视频（眼动追踪）和语音处理方法来检测驾驶员分心 [4; 5; 6; 7]。这些方法有时是不可行的。例如，在光线不足的情况下，视频处理方法效果较差，尤其是在夜间，驾驶员很可能不太关注路况。在赛车环境中，车手必须穿戴防火服和头盔来遮盖面部，这使得视频处理方法无效 [8]。驾驶过程中的高水平背景噪音（例如发动机、收音机或风噪）可能会降低声音处理方法的有效性。
使用眼球注视相关电位检查驾驶员对广告牌引起的被动分心的视觉和认知反应
摘要：车辆外部的干扰会导致视觉注意力分散，从而导致交通事故。作为一种低成本、高效的广告解决方案，广告牌被广泛安装在路边，尤其是高速公路上。然而，广告牌对驾驶员分心、目光注视和认知的影响尚未得到充分研究。本研究利用定制的驾驶模拟器和同步脑电图 (EEG) 和眼动追踪系统来研究与驾驶员视觉信息处理相关的认知过程。区分了与辅助驾驶刺激相关的目光注视和其他可能成为分心源的刺激。本研究比较了驾驶员对广告牌注视和车辆仪表板注视的认知反应。测量的眼球注视相关电位 (EFRP) 显示 P1 成分相似；然而，随后的 N1 和 P2 成分不同。此外，当驾驶员受到限速标志提示而调整行驶速度时，会观察到 EEG 运动反应。实验结果表明，所提出的测量系统是评估驾驶员认知的有效工具，并表明对广告牌的认知参与水平可能是驾驶员分心的前兆。将实验结果与文献中的人类信息处理模型进行了比较。