ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
การใช้สัญญาณ EEG ไร้สายในการประเมินภาระงานของความจำในงาน n-Back
แชร์:
ระบบมนุษย์-เครื่องจักร, IEEE, 2015
บทคัดย่อ
การประเมินภาระงานทางจิตใจโดยใช้การวัดทางสรีรวิทยา โดยเฉพาะสัญญาณ EEG (electroencephalography) เป็นพื้นที่ที่มีการศึกษาอย่างกว้างขวาง เมื่อเร็ว ๆ นี้ มีระบบการเก็บข้อมูลแบบไร้สายจำนวนมากเพื่อวัด EEG และสัญญาณทางสรีรวิทยาอื่น ๆ เริ่มมีให้ใช้แล้ว มีการศึกษาน้อยครั้งที่ได้นำระบบไร้สายดังกล่าวมาใช้ในการประเมินภาระงานทางปัญญาและประเมินประสิทธิภาพของระบบเหล่านี้ บทความนี้นำเสนอขั้นตอนแรกในการสำรวจความเป็นไปได้ของระบบไร้สายที่ได้รับความนิยม (ชุดหูฟัง EMOTIV EPOC) เพื่อประเมินระดับภาระงานทางความจำในงาน n-back ที่เป็นที่รู้จักกันดี เราได้พัฒนากรอบการประมวลผลสัญญาณและการจำแนกประเภท ซึ่งบูรณาการอัลกอริธึมการกำจัดสิ่งกีดขวางอัตโนมัติ เทคนิคการสกัดคุณลักษณะที่หลากหลาย วิธีการปรับขนาดคุณลักษณะที่ปรับให้เหมาะกับแต่ละบุคคล วิธีการเลือกคุณลักษณะที่ใช้ทฤษฎีข้อมูล และแบบจำลองการจำแนกประเภทที่ใช้เครื่องเวกเตอร์รองรับแบบใกล้เคียง ผลการทดลองแสดงให้เห็นว่าสัญญาณ EEG ที่เก็บข้อมูลแบบไร้สายสามารถใช้ในการจำแนกระดับภาระงานทางความจำที่ต่างกันสำหรับผู้เข้าร่วมเก้าคน ความแม่นยำในการจำแนกระหว่างระดับภาระงานต่ำสุด (0-back) และระดับภาระงานที่ใช้งาน (1-, 2-, 3-back) ใกล้เคียงกับ 100% ความแม่นยำในการจำแนกที่ดีที่สุดสำหรับ 1- เทียบกับ 2-back คือ 80% และ 1- เทียบกับ 3-back คือ 84% การศึกษานี้บ่งชี้ว่าระบบการเก็บข้อมูลแบบไร้สายและเทคนิควิเคราะห์ข้อมูลขั้นสูงและการรู้จำรูปแบบที่ก้าวหน้าเป็นสิ่งที่มีโอกาสในการตรวจสอบและระบุระดับภาระงานทางจิตใจแบบเรียลไทม์สำหรับมนุษย์ที่มีส่วนร่วมในกิจกรรมทางปัญญาที่หลากหลายในสังคมสมัยใหม่คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
ระบบมนุษย์-เครื่องจักร, IEEE, 2015
บทคัดย่อ
การประเมินภาระงานทางจิตใจโดยใช้การวัดทางสรีรวิทยา โดยเฉพาะสัญญาณ EEG (electroencephalography) เป็นพื้นที่ที่มีการศึกษาอย่างกว้างขวาง เมื่อเร็ว ๆ นี้ มีระบบการเก็บข้อมูลแบบไร้สายจำนวนมากเพื่อวัด EEG และสัญญาณทางสรีรวิทยาอื่น ๆ เริ่มมีให้ใช้แล้ว มีการศึกษาน้อยครั้งที่ได้นำระบบไร้สายดังกล่าวมาใช้ในการประเมินภาระงานทางปัญญาและประเมินประสิทธิภาพของระบบเหล่านี้ บทความนี้นำเสนอขั้นตอนแรกในการสำรวจความเป็นไปได้ของระบบไร้สายที่ได้รับความนิยม (ชุดหูฟัง EMOTIV EPOC) เพื่อประเมินระดับภาระงานทางความจำในงาน n-back ที่เป็นที่รู้จักกันดี เราได้พัฒนากรอบการประมวลผลสัญญาณและการจำแนกประเภท ซึ่งบูรณาการอัลกอริธึมการกำจัดสิ่งกีดขวางอัตโนมัติ เทคนิคการสกัดคุณลักษณะที่หลากหลาย วิธีการปรับขนาดคุณลักษณะที่ปรับให้เหมาะกับแต่ละบุคคล วิธีการเลือกคุณลักษณะที่ใช้ทฤษฎีข้อมูล และแบบจำลองการจำแนกประเภทที่ใช้เครื่องเวกเตอร์รองรับแบบใกล้เคียง ผลการทดลองแสดงให้เห็นว่าสัญญาณ EEG ที่เก็บข้อมูลแบบไร้สายสามารถใช้ในการจำแนกระดับภาระงานทางความจำที่ต่างกันสำหรับผู้เข้าร่วมเก้าคน ความแม่นยำในการจำแนกระหว่างระดับภาระงานต่ำสุด (0-back) และระดับภาระงานที่ใช้งาน (1-, 2-, 3-back) ใกล้เคียงกับ 100% ความแม่นยำในการจำแนกที่ดีที่สุดสำหรับ 1- เทียบกับ 2-back คือ 80% และ 1- เทียบกับ 3-back คือ 84% การศึกษานี้บ่งชี้ว่าระบบการเก็บข้อมูลแบบไร้สายและเทคนิควิเคราะห์ข้อมูลขั้นสูงและการรู้จำรูปแบบที่ก้าวหน้าเป็นสิ่งที่มีโอกาสในการตรวจสอบและระบุระดับภาระงานทางจิตใจแบบเรียลไทม์สำหรับมนุษย์ที่มีส่วนร่วมในกิจกรรมทางปัญญาที่หลากหลายในสังคมสมัยใหม่คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
ระบบมนุษย์-เครื่องจักร, IEEE, 2015
บทคัดย่อ
การประเมินภาระงานทางจิตใจโดยใช้การวัดทางสรีรวิทยา โดยเฉพาะสัญญาณ EEG (electroencephalography) เป็นพื้นที่ที่มีการศึกษาอย่างกว้างขวาง เมื่อเร็ว ๆ นี้ มีระบบการเก็บข้อมูลแบบไร้สายจำนวนมากเพื่อวัด EEG และสัญญาณทางสรีรวิทยาอื่น ๆ เริ่มมีให้ใช้แล้ว มีการศึกษาน้อยครั้งที่ได้นำระบบไร้สายดังกล่าวมาใช้ในการประเมินภาระงานทางปัญญาและประเมินประสิทธิภาพของระบบเหล่านี้ บทความนี้นำเสนอขั้นตอนแรกในการสำรวจความเป็นไปได้ของระบบไร้สายที่ได้รับความนิยม (ชุดหูฟัง EMOTIV EPOC) เพื่อประเมินระดับภาระงานทางความจำในงาน n-back ที่เป็นที่รู้จักกันดี เราได้พัฒนากรอบการประมวลผลสัญญาณและการจำแนกประเภท ซึ่งบูรณาการอัลกอริธึมการกำจัดสิ่งกีดขวางอัตโนมัติ เทคนิคการสกัดคุณลักษณะที่หลากหลาย วิธีการปรับขนาดคุณลักษณะที่ปรับให้เหมาะกับแต่ละบุคคล วิธีการเลือกคุณลักษณะที่ใช้ทฤษฎีข้อมูล และแบบจำลองการจำแนกประเภทที่ใช้เครื่องเวกเตอร์รองรับแบบใกล้เคียง ผลการทดลองแสดงให้เห็นว่าสัญญาณ EEG ที่เก็บข้อมูลแบบไร้สายสามารถใช้ในการจำแนกระดับภาระงานทางความจำที่ต่างกันสำหรับผู้เข้าร่วมเก้าคน ความแม่นยำในการจำแนกระหว่างระดับภาระงานต่ำสุด (0-back) และระดับภาระงานที่ใช้งาน (1-, 2-, 3-back) ใกล้เคียงกับ 100% ความแม่นยำในการจำแนกที่ดีที่สุดสำหรับ 1- เทียบกับ 2-back คือ 80% และ 1- เทียบกับ 3-back คือ 84% การศึกษานี้บ่งชี้ว่าระบบการเก็บข้อมูลแบบไร้สายและเทคนิควิเคราะห์ข้อมูลขั้นสูงและการรู้จำรูปแบบที่ก้าวหน้าเป็นสิ่งที่มีโอกาสในการตรวจสอบและระบุระดับภาระงานทางจิตใจแบบเรียลไทม์สำหรับมนุษย์ที่มีส่วนร่วมในกิจกรรมทางปัญญาที่หลากหลายในสังคมสมัยใหม่คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
