XiaoMi-AI文件搜索系统
World File Search SystemSSVEPs
跨主体辅助：间和主体内最大相关性，以增强基于SSVEP的BCIS
摘要 - 目的：通过使用单个校准数据，当前的最新方法显着提高了稳态诱发电位（SSVEP）的检测性能。但是，耗时的校准会限制了培训试验的数量，并可能导致视觉疲劳，从而削弱了单个培训数据的效率。为解决此问题，本研究提出了一种新型的受试者间和受试者内最大相关性（IISMC）方法，以通过采用跨主体间和受试者的相似性和可变性来增强SSVEP识别的鲁棒性。通过有效的转移学习，在相同任务下的类似经验在主题之间共享。方法：IISMC从自己和其他受试者中提取主题的特定信息和与任务相关的相似信息，通过最大化和内部对象内相关性来执行相同任务。多个弱分类器是由几个现有主题构建的，然后集成以通过平均加权来构建强晶格。最后，为目标识别获得了强大的融合预测指标。结果：在35个受试者的基准数据集上验证了所提出的框架，实验结果表明，IISMC获得的性能要比与TART与任务相关的成分分析（TRCA）的状态更好。明显：所提出的方法具有开发高速BCI的巨大潜力。
基于 RSVP 的脑机接口基准数据集
本文报告了使用基于快速串行视觉呈现 (RSVP) 范式的脑机接口 (BCI) 系统获取的基准数据集。该数据集包含 64 名健康受试者 (sub1, ..., sub64) 在执行目标图像检测任务时的 64 通道脑电图 (EEG) 数据。对于每个受试者，数据包含两组（“A”和“B”）。每组包含两个块，每个块包括 40 次试验，对应 40 个刺激序列。每个序列包含 100 张以 10 Hz（每秒 10 张图像）呈现的图像。刺激图像是两类街景图像：有人的目标图像和没有人的非目标图像。目标图像在刺激序列中随机呈现，概率为 1 ∼ 4%。在刺激呈现过程中，要求受试者以主观的方式搜索目标图像并忽略非目标图像。为了保留所有原始信息，数据集是未经任何处理的原始连续数据。一方面，该数据集可用作基准数据集，用于比较基于 RSVP 的 BCI 中的目标识别算法。另一方面，该数据集可用于设计新的系统图并评估其 BCI 性能，而无需通过离线模拟收集任何新数据。此外，该数据集还为基于 RSVP 的 BCI 中的事件相关电位 (ERP) 和稳态视觉诱发电位 (SSVEP) 的表征和建模提供了高质量数据。该数据集可从 http://bci.med.tsinghua.edu.cn/download.html 免费获取。
使用眼动追踪和 SSVEP 的混合拼写器设计......
摘要：稳态视觉诱发电位 (SSVEP) 因其稳健性、大量命令、高分类准确率和信息传输率 (ITR) 等优点，被广泛应用于开发脑机接口 (BCI)。然而，同时使用多个闪烁刺激往往会导致用户感到非常不适、疲倦、烦恼和疲劳。在这里，我们建议使用脑电图 (EEG) 和基于视频的眼动追踪来设计一种刺激响应混合拼写器，以提高用户在面对大量同时闪烁的刺激时的舒适度。有趣的是，基于典型相关分析 (CCA) 的框架可用于识别闪烁信号持续时间为 1 秒的目标频率。我们提出的 BCI 拼写器仅使用六个频率来对 48 个目标进行分类，从而大大提高了 ITR，而基本的 SSVEP BCI 拼写器使用的频率数量与目标数量相同。使用此拼写器，我们在提示拼写任务中获得了 90.35 ± 3.597% 的平均分类准确率，平均 ITR 为 184.06 ± 12.761 比特/分钟，在自由拼写任务中获得了 190.73 ± 17.849 比特/分钟。因此，我们提出的拼写器在目标分类、分类准确率和 ITR 方面优于其他拼写器，同时产生的疲劳、烦人、疲倦和不适感更少。我们提出的混合眼动追踪和基于 SSVEP BCI 的系统最终将实现真正的高速通信通道。
无需用户特定训练即可为 SSVEP BCI 拼写者迁移学习一组 DNN
摘要 — 目标：用脑电图 (EEG) 测量的稳态视觉诱发电位 (SSVEP) 在脑机接口 (BCI) 拼写器中产生不错的信息传输速率 (ITR)。然而，目前文献中高性能的 SSVEP BCI 拼写器需要对每个新用户进行初始冗长而累人的用户特定训练以适应系统，包括使用 EEG 实验收集数据、算法训练和校准（所有这些都在实际使用系统之前）。这阻碍了 BCI 的广泛使用。为了确保实用性，我们提出了一种基于深度神经网络 (DNN) 集合的全新目标识别方法，该方法不需要任何类型的用户特定训练。方法：我们利用先前进行的 EEG 实验的参与者的现有文献数据集，首先训练一个全局目标识别器 DNN，然后针对每个参与者进行微调。我们将这组经过微调的 DNN 集合转移到新的用户实例，根据参与者与新用户的统计相似性确定 k 个最具代表性的 DNN，并通过集合预测的加权组合来预测目标字符。结果：在两个大规模基准和 BETA 数据集上，我们的方法实现了令人印象深刻的 155.51 比特/分钟和 114.64 比特/分钟 ITR。代码可用于重现性：https://github.com/osmanberke/Ensemble-of-DNNs 结论：在两个数据集上，对于所有刺激持续时间在 [0.2-1.0] 秒内的情况，所提出的方法都明显优于所有最先进的替代方案。意义：我们的 Ensemble-DNN 方法有可能促进 BCI 拼写器在日常生活中的实际广泛部署，因为我们提供最高性能，同时允许立即使用系统而无需任何用户特定的训练。索引词 — 脑机接口、BCI、EEG、SSVEP、集成、深度学习、迁移学习
在发生错觉的频率范围内使用四冲程运动错觉的 UI......
[1] Tomoki Furuhara、Yoshiaki Miyashita：基于亮度诱导运动错觉的 SSVEP BCI，《人机交互研究报告》，第 2023-HCI-201 卷，第 12 期，第 1-8 页 (2023 年)。[2] Herrmann，C.：人类 EEG 对 1-100 Hz 闪烁的反应：视觉皮层中的共振现象及其与认知现象的潜在相关性，《实验脑研究》，第 137 卷，第 346-353 页 (2001 年)。[3] Pastor，MA、Artieda，J.、Arbizu，J.、Valencia，M. 和 Masdeu，JC：稳态视觉诱发反应过程中的人类大脑激活，《神经科学杂志》，第 23 卷，第 37 期，第 11621-11627 页（2003 年）。[4] Wertheimer，M.：关于运动感觉的实验研究，Zeit Schrift F¨ur Psychologie，第 61 卷，第 161-265 页（1912 年）。[5] Anstis，S.：Phi 运动作为减法过程，Vision research，第 10 卷，第 12 期，第 1411-1430 页（1970 年）。[6] Anstis，SM 和 Rogers，BJ：来自振荡正负模式的虚幻连续运动：对运动知觉的启示，Perception，第 15 卷，第 5 期，第 627-640 页（1986 年）。[7] Kitaoka，A.：重新审视亮度变化（例如反向 phi）引起的运动错觉， http://www.psy.ritsumei.ac.jp/~akitaoka/sakkakuWS2021.html。（访问日期：2022 年 5 月 11 日）。[8] Regan, D.：调制光诱发的平均稳态和瞬态响应的一些特征，脑电图和临床神经生理学，第 20 卷，第 3 期，第 238-248 页（1966 年）。[9] Norcia, AM、Appelbaum, LG、Ales, JM、Cottereau, BR 和 Rossion, B.：视觉研究中的稳态视觉诱发电位：综述，视觉杂志，第 15 卷，第 6 期，第 4 页（2015 年）。[10] Nakanishi, M.、Wang, Y.、Chen, X.、Wang, Y.-T.、Gao, X. 和 Jung, T.-P.：增强检测of SSVEPs for a High-Speed Brain Speller Using Task-Related Components Analysis，IEEE Transactions on Biomedical Engineering，Vol. 65，No. 1，pp. 104–112 (2018)。[11] Danhua Zhu、Jordi Bieger，GGMRMA：基于 SSVEP 的 BCI 中使用的刺激方法调查，Computational Intelligence and Neuroscience，Vol. 2010，pp. 1–12 (2010)。[12] Andersen, SK、Hillyard, SA 和 M¨uller, MM：注意力在人类视觉皮层中并行促进多种刺激特征，Current biology：CB，Vol. 18，No. 13，pp. 1006–1009 (2008)。[13] Andersen, SK 和 M¨uller, MM：行为表现
使用光合微生物的废水处理 cómola inteligencia人工puede ayudar a de la de la Diabetes tipo ii en 基于生物活性涂层的生物过滤，以减少室内空气voc diseño，desarrollo yestaruacióndeun sistema de un sistema脑电脑界面（BCI）basado en稳态视觉诱发电势（SSVEPS）
摘要：废水主要根据其生产来源分类为国内，工业和农业工业。Piggery废水（PWW）是一种牲畜废水，其特征是其高浓度的有机物和铵，以及其异味。传统上，PWW在开放的厌氧泻湖，厌氧消化器和活化的污泥系统中进行了处理，这些污泥系统分别表现出较高的温室气体排放，有限的养分清除和高能量消耗。光合微生物可以以低运营成本和碳，氮和磷的能力恢复，可以在工程光生反应器中支持可持续的废水处理。这些微生物能够通过光合作用过程吸收太阳照射，以获得能量，该能量用于其生长以及相关的碳和养分所吸收。紫色的亲子细菌（PPB）代表了自然界中用途最广泛的代谢的光合作用微生物，而微藻是近年来最研究的光合微生物。本综述描述了使用光合微生物（例如PPB和微藻）的水浸处理处理的基本原理，对称性和不对称性。还讨论了主要的光生物反应器配置以及PPB和微藻生物量量化策略的潜力。