XiaoMi-AI文件搜索系统
World File Search SystemNeurosky
建筑与神经科学之间的相互关系......
摘要 神经建筑学是建筑学领域的一个新领域，它介于神经科学和建筑学的相互关系之间。本研究旨在了解和积累关于建筑设计对人类感知和判断的影响的事实知识，同时使用脑电图 (EEG) 记录监测大脑活动。为此，我们进行了一项分为两部分的实验：观察部分和判断部分 - 两者都包括 3 个室内建筑环境图片，这些图片按颜色、比例和纹理分类。为了呈现图片并收集判断信息，我们使用了双极评定量表的数字化语义差异方法，而为了监测人类的大脑活动，我们使用了 NeuroSky Mindwave 移动设备。受试者接受视觉刺激，同时图片的选择考虑了文化背景、从单色到彩色、从明亮到柔和的一系列颜色、经典黄金分割比例的房间和当代方法以及各种纹理。结果表明，明亮和柔和的色彩、粗糙和柔软的质地以及古典比例和传统日式房间的环境对判断和观察的影响各不相同。这项研究提供了一个改进建筑设计方法的机会，主要关注用户的幸福感。关键词：神经建筑学、循证设计、幸福感
基于最大值的EEG电动机构成BCI系统...
通讯 * Samaa S. Abdulwahab电气工程系，伊拉克巴格达大学。电子邮件：316393@student.uotechnology.edu.iq摘要人类大脑与环境通信的能力通过使用基于脑部计算机界面（BCI）的机制已成为现实。脑电图（EEG）已成为一种非侵入性的大脑连接方式。传统上，这些设备用于临床环境中来检测各种脑部疾病。但是，随着技术的进步，Emotiv和Neurosky等公司正在开发低成本，易于便携的基于EEG的消费级设备，这些设备可用于游戏，教育等各种应用领域。本文讨论了已应用脑电图的部分，以及它如何证明对患有严重运动障碍，康复的人以及与外界进行交流的一种形式有益。本文研究了SVM，K-NN和决策树算法对EEG信号进行分类的使用。为了最小化数据的复杂性，最大重叠离散小波变换（MODWT）用于提取EEG特征。使用滑动窗口技术计算每个窗口样本中的平均值。向量机（SVM），K-Nearest邻居，并优化决策树加载特征向量。关键字：EEG，BCI，运动图像，MODWT，SVM，K-NN，决策树，Emotiv Epoc+
基于脑电图的控制方法......
神经控制接口是一项独特的全球技术，它彻底改变了控制和信号处理领域。这项技术有助于将人类和计算机联系起来，实现某些患者或人们难以实现的目标。在提议的实验中，脑信号被用来移动自动臂并执行各种任务，例如移动手的任何手指。为了实时为 3D 手臂机器人提供运动，我们获取了基于 10-20 国际系统的 EEG 数据，并使用 OpenBCI Wi-FI、OpenBCI 板将这些信号转发到处理计算机，并使用 OpenBCI GUI 和 Arduino Uno 控制伺服电机。此外，本文还介绍了一种脑电图 (EEG) - 一种帮助残疾人和老年人的智能轮椅控制系统。本文旨在使用脑机接口 (BCI) 耳机控制电动轮椅。这种轮椅可能对因脑脊髓切断而无法使用手或腿的残疾人有益。基本目标是将不同的面部表情与轮椅运动相匹配。该系统由 NeuroSky Mind Wave EEG 传感器线圈组成，该线圈与 Android 配对，并连接到语音中断电路，以防止轮椅意外发生故障或自动移动。脑机接口设计的系统通过实时实验研究进行评估，并应用于男性和女性，通过张开和握紧手进行诱导，验证过程也使用不同的频率和电压进行，实验结果表明该过程将按设计运行，具有极高的精度和高性能。
使用脑电图神经反馈系统的焦虑控制应用
引言：本研究旨在调查 16 名 17-21 岁青少年运动员样本中脑电图 (EEG) 波段振荡与焦虑水平之间的相关性。该研究利用移动 EEG 系统收集 EEG 波段振荡数据。目的：本研究旨在调查放松过程中的脑电波振荡，特别是使用最先进的无线 EEG 耳机系统比较睁眼和闭眼状态脑电图 (EEG) 之间的对比。方法：该系统结合了由 NeuroSky 独家开发的干式、非相互作用的 EEG 传感器电极。此外，添加 ThinkGear 模块和 MindCap XL 头骨有助于记录 EEG。本研究的目的是调查睁眼和闭眼状态对前额叶皮质 α 波段活动的影响结果显示这两种状态之间存在统计学上的显着差异 (p≤0.006)。本研究考察了前额皮质的 alpha 波段与焦虑水平之间的关系。具体来说，我们考察了闭眼条件下这些变量之间的关系。结果：我们的分析揭示了统计学上显著的相关性，其中 alpha 波段显示负斜率（p≤0.029）。本研究比较了单通道无线设备获得的数据与传统实验室获得的数据。本研究结果显示，两种设备获得的结果惊人地相似。本研究的目的是调查年轻运动员前额皮质的脑电图 (EEG) alpha 波段振荡与眼位和焦虑水平之间的相关性的具体特征。结论：本研究旨在阐明这种振动与个体内部认知和情感状态之间的可能关系。
基于智能方法利用脑电信号预测通勤对健康的影响
摘要 — 上下班是许多人的日常活动，对我们的健康有重大影响。定期通勤可能导致慢性压力，而慢性压力与心理健康不佳、高血压、心率过快和疲惫有关。本研究通过分析脑电波和应用机器学习，实时调查通勤对神经生理和心理的影响。参与者是平均年龄 30 岁的健康志愿者。获取便携式脑电图 (EEG) 数据作为压力水平的衡量标准。在每位参与者上下班途中，使用非侵入式 NeuroSky MindWave 耳机连续 5 次获取 EEG 数据。这种方法可以在通勤期间和之后测量影响。结果表明，无论通勤时间长短，当参与者处于平静或放松状态时，生物信号 alpha 波段超过 beta 波段，而当参与者因通勤而感到压力时，beta 波段高于 alpha 波段。使用前馈神经网络取得了非常有希望的结果，准确率达到 97.5%。这项工作的重点是开发一种智能模型，帮助预测通勤对参与者的影响。此外，从积极和消极情绪时间表获得的结果还表明，参与者在通勤后会经历相当大的压力上升。对于社会行为背后的认知和语义过程的建模，最近的大多数研究项目仍然基于个人，而我们的研究则侧重于将群体作为一个完整群体来处理的方法。这项研究记录了通勤者的体验，特别关注远程医疗传感器中新兴计算技术的使用和局限性。
用脑电图指标实施教育聊天机器人期间的经验证据
Google Home，是为Google制作的智能扬声器，它回答语音命令，其软件基于Google Assistant Chatbot。它允许用户多个命令，例如：检查时间，带音乐，视频等的搜索。已经提出了一些框架来促进聊天机器人的发展（Yan等，2016）。IBM Watson Assistant是具有许多能力的机器人的一个例子。用户可以打开一个帐户并与虚拟助手进行聊天，他很快就会有很多答案。一种名为Eliza的聊天机器人是在1966年在麻省理工学院创建的，以模仿人类的转化并模拟临床治疗中的物理治疗师（Abu Shawar等，2007）。爱丽丝聊天机器人是1995年创建的，受到伊丽莎的启发。爱丽丝被认为是一种对话剂，当时许多人认为他们在互动中正在与真正的人交谈。聊天机器人每天使用某些人。苹果的Siri，亚马逊的Alexa，Microsoft Cortana和三星的Bixby可以打开应用程序，播放音乐并成为虚拟助手（Dale，2016年）。bos等人，通过测量与交互式视频平台的互动并识别刺激响应的互动，进行了一项关于使用神经传感器来衡量学生注意力的研究（Bos等，2019c; Bos等，2020; Bos等，2019e：p。3）。shi提到正确推断物品的用户偏好对于有效建议至关重要（Shi，Larson和Hanjalic，2014年）。随着技术的发展，它们很容易获得，并适应了教育领域。最近，技术的快速进步改变了人工智能介导的通信的计算机介导的通信，该通信已被广泛使用（Hohenstein＆Jung，2020年）。技术创新可以增加学生的参与和动力。聊天机器人提供一系列潜在的好处，包括每周7天的每天24小时的个性化和即时可用性。这些积极的方面在教育领域很有趣。这个研究的分支仅在科学界出现，因此在我们的文章中，除了使用更长的时间的业务外，我们还建议这种新技术用于教育使用。与以前的研究相反，我们专注于一种在问题和建议之间交替的机制，此外，我们还使用了它们在相互作用中具有的参数的方法。因此，引入了一个机器人和用户对话模型，模拟具有教学内容和社交互动的知识库中推断的系统交互。
关于使用消费级脑电图设备进行研究的范围审查
脑电图 (EEG) 是对大脑中神经元放电产生的电活动的连续测量。这涉及在头皮的多个位置放置金属电极，以毫秒级的时间分辨率记录电压波动。然后可以处理这些记录以产生电活动的频谱分析或生成事件相关电位 (ERP)，该电位表示对任务或刺激的平均反应。如今，EEG 因其非侵入性和易用性而成为学术界和医疗专业人士最流行的神经科学工具之一 [1]。最近，几家公司开发了消费级 EEG 设备。这些设备小巧、无线且设置精简，对新手研究人员或希望在传统实验室环境之外收集数据的人特别有吸引力 [2]。更重要的是，消费级设备比研究级设备便宜，为资金有限的人提供了一种经济实惠的神经生理数据收集方式。由于其可访问性，消费级 EEG 已在不同领域用于各种用途。软件工程师和计算机科学家使用消费级脑电图收集高分辨率时间序列数据。然后处理这些数据以创建或优化机器学习和信号处理算法[3-5]。反过来，这些算法可以与设备结合使用，开发脑机接口（BCI）系统。工程和机器人领域的专家可以训练机器实时响应神经数据中的模式[6]。同步后，人类用户可以配置BCI来控制多种电子设备，包括轮椅[7]、无人机[8]、智能家居[9-11]和网络浏览器[12]。临床医生报告称，他们使用该技术进行神经反馈疗法[13]、促进学习[14]、评估患者睡眠质量[15、16]，并确定情感状态[17-20]。科学家越来越多地使用消费级设备来收集神经数据，以解决各种理论和实践研究问题 [2, 21, 22]。消费级 EEG 研究的激增启发了一些非系统性综述（见表 1）。例如，一些综述比较了单个消费级 EEG 设备与非 EEG 生物传感器在癫痫检测 [23]、BCI 系统 [24] 和压力识别 [25] 领域的性能。其他综述则在单个领域比较了多个消费级 EEG 设备 [2, 21, 26 – 28]。例如，Dadebayev 等人 [29] 的综述重点是情绪识别；Asl 等人 [30] 专注于困倦检测，Khurana 等人 [31] 专注于神经营销。其中最全面的评论之一考虑了大约 100 项“精心挑选”[22]的研究，这些研究使用了四种消费级设备——NeuroSky MindWave、Emotiv EPOC+、interaXon Muse、和 OpenBCI 神经耳机——在认知、BCI、教育研究和游戏开发领域。虽然这些非系统性评论提供了对某些 EEG 设备领域特定功能的见解，但目前关于这个主题的文献充其量是零散的。事实上，令人惊讶的是，到目前为止，还没有对目前可用和常用的消费级 EEG 设备的研究相关用途进行系统范围审查。因此，本文的目的是绘制大量使用消费级 EEG 来收集