ह्यूमन-मशीन सिस्टम्स, IEEE, 2015

अमूर्त (Abstract)

शारीरिक मापों, विशेष रूप से EEG (इलेक्ट्रोएन्सेफलोग्राफी) संकेतों का उपयोग करके मानसिक कार्यभार का आकलन करना एक सक्रिय क्षेत्र है। हाल ही में, EEG और अन्य शारीरिक संकेतों को मापने के लिए कई वायरलेस अधिग्रहण प्रणालियाँ उपलब्ध हुई हैं। संज्ञानात्मक कार्यभार का आकलन करने और उनके प्रदर्शन का मूल्यांकन करने के लिए बहुत कम अध्ययनों ने ऐसी वायरलेस प्रणालियों का अनुप्रयोग किया है। यह पत्र एक प्रसिद्ध n-back कार्य में मेमोरी कार्यभार के स्तरों का आकलन करने के लिए एक लोकप्रिय वायरलेस सिस्टम (Emotiv EPOC हेडसेट) की व्यवहार्यता का पता लगाने के लिए एक प्रारंभिक कदम प्रस्तुत करता है। हमने एक सिग्नल प्रोसेसिंग और वर्गीकरण ढांचा विकसित किया है, जिसमें एक स्वचालित आर्टिफैक्ट हटाने का एल्गोरिदम, फीचर निष्कर्षण तकनीकों का एक विस्तृत स्पेक्ट्रम, एक व्यक्तिगत फीचर स्केलिंग विधि, एक सूचना-सिद्धांत-आधारित फीचर चयन दृष्टिकोण और एक प्रॉक्सिमल-सपोर्ट-वेक्टर-मशीन-आधारित वर्गीकरण मॉडल एकीकृत है। प्रायोगिक परिणाम बताते हैं कि वायरलेस रूप से एकत्र किए गए EEG संकेतों का उपयोग नौ प्रतिभागियों के लिए विभिन्न मेमोरी कार्यभार स्तरों को वर्गीकृत करने के लिए किया जा सकता है। सबसे कम कार्यभार स्तर (0-back) और सक्रिय कार्यभार स्तरों (1-, 2-, 3-back) के बीच वर्गीकरण सटीकता 100% के करीब थी। 1- बनाम 2-back के लिए सबसे अच्छी वर्गीकरण सटीकता 80% थी, और 1- बनाम 3-back के लिए 84% थी। यह अध्ययन संकेत देता है कि आधुनिक समाज में विभिन्न प्रकार की संज्ञानात्मक गतिविधियों में लगे मनुष्यों के लिए मानसिक कार्यभार के स्तरों की रीयल-टाइम निगरानी और पहचान प्राप्त करने के लिए वायरलेस अधिग्रहण प्रणाली और उन्नत डेटा एनालिटिक्स और पैटर्न पहचान तकनीकें आशाजनक हैं।पूरी रिपोर्ट पढ़ने के लिए यहां क्लिक करें