摘要:神经营销提供了有关传统营销测试方法无法提供的消费者决策的见解。决策过程中的基础是P300。因此,p300波是用于测量消费者决策过程的潜在与事件相关的组件(ERP)。p300波代表人类事件相关电位的正转换。因此,p300是通过测量消费者的幅度和潜伏期来确定的。较高的p300振幅表明对决策过程的信心更大,而较长的P300潜伏期表示较低的注意力。因此,神经科学中的P300无法通过典型的营销方法来完成,该神经科学研究了客户的回答。多年来,P300组件(例如态度,偏好和基于信息的决策)在与营销相关的研究中得到了广泛的研究。但是,对神经营销方法中的ERP进行了综述。此迷你审查描述了一些研究人员对P300和决策的一些分析。关键字:神经市场; P300振幅;营销;决策; ©2021 Mansor等人。根据创意共享归因(CC BY-NC 4.0)许可(https://creativecommons.org/licenses/by-nc/4.0/)使用和分发,只要在任何媒介中,任何媒介中允许不受限制的非商业用途,分发和复制,前提是原始作者和来源的介绍。为了实现这些目标,神经营销商使用广泛的神经营销技术和技术来衡量神经系统的大脑活动。1.0简介神经营销是一个研究领域,该研究领域结合了神经科学原则和传统的营销研究思想,以评估客户的决策过程如何响应营销刺激。神经营销采用认知行为活动来了解消费者的潜意识,解释消费者的偏好,动机和期望,并预测消费者的行为(Bercea,2011; Colaferro&Crescitelli,2014;Dapkevičiusius&Melnikas&Melnikas&Melnikas,2009; Fugugate,2007; 2007年)。例如,神经营销工具,例如功能磁共振成像(fMRI),
摘要 - 脑部计算机界面(BCI)是人脑和计算机之间通信的常见设备。本文研究了使用3D界面为BCI机器使用的效率。为此,已修改了P300拼写器(使用户能够使用脑电波在屏幕上拼写字符的BCI设备)已进行了修改。P300拼写器的经典虚拟键盘被3D立体图像替换,从而增强了设备的人体工程学特征。此外,3D接口上的范围范式可以以三种方式影响设备的孔隙:准确性,速度和容量。本文提出了两种称为天然3D和平行2D界面的不同浮雕范式,并研究了它们在提到的三种措施方面的效果。前者在3D空间中的平面,后者包括不同3D深度的平行键盘的灰烬。提出了这些效果的理论分析。通过从实际受试者获得的实验数据来验证结果,并与经典的2D界面进行了比较。两个提出的键盘都提高了设备的速度,而平行2D的总性能比天然3D更好。
[1] 马克斯普朗克人类认知与脑科学研究所神经病学系,莱比锡 04103,德国 [2] 柏林夏里特医学院伯恩斯坦计算神经科学中心,柏林 10117,德国 [3] 罗氏制药研究与早期开发、神经科学与罕见疾病,罗氏巴塞尔创新中心,F.霍夫曼-罗氏有限公司,巴塞尔,4070,瑞士 [4] 莱比锡大学 LIFE – 文明疾病研究中心,莱比锡,04109,德国 [5] IU 国际应用技术大学心理学系,埃尔福特,53604,德国 [6] 莱比锡大学医学中心精神病学和心理治疗系,莱比锡,04103,德国 [7] 精神病学、心身医学和心理治疗,法兰克福歌德大学,法兰克福,60323,德国 [8] 医学信息学,统计学和流行病学研究所(IMISE),莱比锡大学,莱比锡,04109,德国 [9] 认知神经病学系,莱比锡大学医院,莱比锡,04103,德国 [10] 神经物理学组,神经病学系,夏里特 - 柏林大学医学院,柏林,10117,德国
摘要 — 本文介绍了一种新的迁移学习方法,即群组学习,它可以联合对齐多个域(多对多),以及一种扩展方法,即快速对齐,它可以将任何其他域与先前对齐的域组对齐(多对一)。在脑机接口 (BCI) 数据上评估了所提出的组对齐算法 (GALIA),并研究了该算法的最佳超参数值以了解分类性能和计算成本。使用了六个公开的 P300 数据库,包含来自 177 个受试者的 333 个会话。与传统的针对特定受试者的训练/测试流程相比,群组学习和快速对齐均显著提高了分类准确率,但临床受试者的数据库除外(平均改进:2.12±1.88%)。GALIA 利用循环近似联合对角化 (AJD) 来找到一组线性变换,每个域一个,联合对齐所有域的特征向量。群组学习实现了多对多迁移学习,同时不会损害非临床 BCI 数据的分类性能。快速对齐进一步扩展了任何未见域的群组学习,从而允许具有相同属性的多对一迁移学习。前一种方法使用来自先前受试者和/或会话的数据创建单个机器学习模型,而后一种方法利用训练后的模型来处理未见域,无需进一步训练分类器。
摘要。目的。适应性是脑机接口 (BCI) 领域的一大挑战。这需要机器能够最佳地表达有关用户意图及其自身行为的推理。适应性可以在多个维度上进行,因此需要一个通用且灵活的框架。方法。我们采用最全面的大脑 (自适应) 功能计算方法之一:主动推理 (AI) 框架。它需要一个与机器交互的用户的显式 (概率) 模型,这里涉及 P300 拼写任务。这采用离散输入输出状态空间模型的形式,建立机器的 (i) 观察值(例如 P300 或错误电位)、(ii) 表示(用户拼写或暂停的意图)和 (iii) 操作(闪烁、拼写或关闭应用程序)之间的联系。主要结果。使用来自 18 名受试者的真实 EEG 数据进行模拟,结果表明 AI 能够显著提高比特率 (17%),优于最先进的方法,例如动态停止。意义重大。由于其灵活性,该模型不仅能够实现最佳(动态)停止,还能实现最佳闪烁(即主动采样)、自动纠错以及在用户不再看屏幕时关闭。重要的是,这种方法使机器能够灵活地在所有这些可能的操作之间进行仲裁。我们将 AI 展示为一个统一的通用框架,用于在给定的 BCI 环境中实现灵活的交互。
摘要 — 在脑机接口 (BCI) 中,大多数基于事件相关电位 (ERP) 的方法都侧重于 P300 的检测,旨在对拼写任务进行单次试验分类。虽然这是一个重要的目标,但现有的 P300 BCI 仍然需要多次重复才能达到正确的分类准确率。P300 BCI 中的信号处理和机器学习进步主要围绕 P300 检测部分,而字符分类不在范围之内。为了在保持良好字符分类的同时减少重复次数,解决完整的分类问题至关重要。我们引入了一个端到端流程,从特征提取开始,由使用概率黎曼 MDM 的 ERP 级分类组成,该分类使用跨试验的贝叶斯置信度积累提供字符级分类。现有方法仅在字符闪现时增加其置信度,而我们新的管道,称为黎曼概率贝叶斯累积 (ASAP),在每次闪现后更新每个字符的置信度。我们提供了此贝叶斯方法的正确推导和理论重新表述,以便无缝处理从信号到 BCI 字符的信息。我们证明我们的方法在公共 P300 数据集上的表现明显优于标准方法。
• 产品领域:位移测量传感器 • 服务范围:连接和安装检查、SICK 产品参数优化以及测试、设置先前定义的模拟测量范围缩放功能、开关点位置、滞后、测量频率、测量值滤波器、信号质量、评估功能或通信接口 • 差旅费:价格不包括差旅费,例如酒店、航班、旅行时间和费用。 • 持续时间:额外工作将另行开具发票
摘要 — 基于脑电图 (EEG) 的脑机接口 (BCI) 是一种很有前途的技术,可用于增强虚拟现实 (VR) 应用,尤其是游戏。我们专注于所谓的 P300-BCI,这是一种稳定而准确的 BCI 范例,依赖于识别刺激后约 300 毫秒 EEG 中出现的正事件相关电位 (ERP)。我们实现了这种 BCI 的基本版本,该版本显示在普通且价格合理的基于智能手机的头戴式 VR 设备上:即移动和被动 VR 系统(除智能手机外没有其他电子元件)。手机执行刺激呈现、EEG 同步(标记)和反馈显示。我们将 VR 设备上的 BCI 的 ERP 和准确性与个人计算机 (PC) 上运行的传统 BCI 进行了比较。我们还评估了主观因素对准确性的影响。这项研究是受试者内部研究,每种模式有 21 名参与者,每人进行一次会议。尽管与 PC 系统相比,VR 系统中的 P200 ERP 明显更宽更大,但 PC 和 VR 系统之间的 BCI 准确度没有显著差异。
测量瞬时功能连接是脑电图 (EEG) 研究中的一个重要挑战。在这里,高时间分辨率所提供的关于大脑活动的深刻、有辨别力的信息的丰富潜力,被介质的固有噪声和在短时间窗口内计算出的相关性的虚假性质所掩盖。我们提出了一种克服这些问题的方法,称为滤波平均短期 (FAST) 功能连接。首先,对于给定的一对视觉短期记忆 (VSTM) 任务,对整个研究队列的长期、稳定的功能连接进行平均。得到的平均连接矩阵包含有关任务最强一般连接的信息,用作过滤器来分析各个受试者的瞬时高时间分辨率功能连接。在模拟中,我们表明,这种方法可以准确区分两种条件下嘈杂事件相关电位 (ERP) 的差异,而标准连接和其他类似方法则无法做到这一点。然后,我们将其应用于分析与家族性和散发性阿尔茨海默病 (AD) 相关轻度认知障碍 (MCI) 的两组人群中视觉短期记忆绑定缺陷相关的活动。在 P300 ERP 范围内,绑定任务中发现了可重复的显著差异,而在形状任务中没有显著差异。这允许对瞬时功能连接进行新的敏感测量,可以实施以获得具有临床意义的结果。
•我们的大多数有效的CBP选择性降解器具有> 10µm的结合亲和力(Tr-Fret IC 50),而没有观察到BRD4(> 30µm)
