Hafızanızı zorlayın! Emotiv Uygulamasında yeni N-Back oyununu oynayın
Hafızanızı zorlayın! Emotiv Uygulamasında yeni N-Back oyununu oynayın
Hafızanızı zorlayın! Emotiv Uygulamasında yeni N-Back oyununu oynayın
Kablosuz EEG Sinyalleri Kullanarak n-Back Görevinde Bellek Yükünü Değerlendirme
Paylaş:
İnsan-Makine Sistemleri, IEEE, 2015
Özet
Fizyolojik ölçümler, özellikle EEG (elektroensefalografi) sinyalleri kullanılarak zihinsel iş yükünün değerlendirilmesi, aktif bir alan. Son zamanlarda, EEG ve diğer fizyolojik sinyalleri ölçmek için birçok kablosuz edinim sistemi mevcut hale geldi. Bu tür kablosuz sistemlerin bilişsel iş yükünü değerlendirmek ve performanslarını değerlendirmek için uygulandığı birkaç çalışma bulunmaktadır. Bu makale, iyi bilinen bir n-back görevinde bellek iş yükü seviyelerini değerlendirmek için popüler bir kablosuz sistemin (EMOTIV EPOC kulaklığı) kullanılabilirliğini keşfetmek için bir başlangıç adımı sunmaktadır. Otomatik artefakt giderme algoritmasını, geniş bir özellik çıkarım teknikleri yelpazesini, kişiselleştirilmiş bir özellik ölçeklendirme yöntemini, bilgi teorisine dayalı bir özellik seçme yaklaşımını ve bir yaklaşımlı destek vektör makinesi tabanlı sınıflandırma modelini entegre eden bir sinyal işleme ve sınıflandırma çerçevesi geliştirdik. Deneysel sonuçlar, kablosuz olarak toplanan EEG sinyallerinin dokuz katılımcı için farklı bellek iş yükü seviyelerini sınıflandırmakta kullanılabileceğini göstermektedir. En düşük iş yükü seviyesi (0-back) ile aktif iş yükü seviyeleri (1-, 2-, 3-back) arasındaki sınıflandırma doğrulukları %100'e yakın olmaktadır. 1-back ile 2-back için en iyi sınıflandırma doğruluğu %80, 1-back ile 3-back için %84'tür. Bu çalışma, kablosuz edinim sisteminin ve gelişmiş veri analitiği ile kalıpları tanıma tekniklerinin, modern toplumda çeşitli bilişsel aktivitelerde yer alan insanlar için zihinsel iş yükü seviyelerinin gerçek zamanlı izlenmesi ve tanımlanması konusunda umut verici olduğunu göstermektedir.Tam raporu okumak için buraya tıklayın
İnsan-Makine Sistemleri, IEEE, 2015
Özet
Fizyolojik ölçümler, özellikle EEG (elektroensefalografi) sinyalleri kullanılarak zihinsel iş yükünün değerlendirilmesi, aktif bir alan. Son zamanlarda, EEG ve diğer fizyolojik sinyalleri ölçmek için birçok kablosuz edinim sistemi mevcut hale geldi. Bu tür kablosuz sistemlerin bilişsel iş yükünü değerlendirmek ve performanslarını değerlendirmek için uygulandığı birkaç çalışma bulunmaktadır. Bu makale, iyi bilinen bir n-back görevinde bellek iş yükü seviyelerini değerlendirmek için popüler bir kablosuz sistemin (EMOTIV EPOC kulaklığı) kullanılabilirliğini keşfetmek için bir başlangıç adımı sunmaktadır. Otomatik artefakt giderme algoritmasını, geniş bir özellik çıkarım teknikleri yelpazesini, kişiselleştirilmiş bir özellik ölçeklendirme yöntemini, bilgi teorisine dayalı bir özellik seçme yaklaşımını ve bir yaklaşımlı destek vektör makinesi tabanlı sınıflandırma modelini entegre eden bir sinyal işleme ve sınıflandırma çerçevesi geliştirdik. Deneysel sonuçlar, kablosuz olarak toplanan EEG sinyallerinin dokuz katılımcı için farklı bellek iş yükü seviyelerini sınıflandırmakta kullanılabileceğini göstermektedir. En düşük iş yükü seviyesi (0-back) ile aktif iş yükü seviyeleri (1-, 2-, 3-back) arasındaki sınıflandırma doğrulukları %100'e yakın olmaktadır. 1-back ile 2-back için en iyi sınıflandırma doğruluğu %80, 1-back ile 3-back için %84'tür. Bu çalışma, kablosuz edinim sisteminin ve gelişmiş veri analitiği ile kalıpları tanıma tekniklerinin, modern toplumda çeşitli bilişsel aktivitelerde yer alan insanlar için zihinsel iş yükü seviyelerinin gerçek zamanlı izlenmesi ve tanımlanması konusunda umut verici olduğunu göstermektedir.Tam raporu okumak için buraya tıklayın
İnsan-Makine Sistemleri, IEEE, 2015
Özet
Fizyolojik ölçümler, özellikle EEG (elektroensefalografi) sinyalleri kullanılarak zihinsel iş yükünün değerlendirilmesi, aktif bir alan. Son zamanlarda, EEG ve diğer fizyolojik sinyalleri ölçmek için birçok kablosuz edinim sistemi mevcut hale geldi. Bu tür kablosuz sistemlerin bilişsel iş yükünü değerlendirmek ve performanslarını değerlendirmek için uygulandığı birkaç çalışma bulunmaktadır. Bu makale, iyi bilinen bir n-back görevinde bellek iş yükü seviyelerini değerlendirmek için popüler bir kablosuz sistemin (EMOTIV EPOC kulaklığı) kullanılabilirliğini keşfetmek için bir başlangıç adımı sunmaktadır. Otomatik artefakt giderme algoritmasını, geniş bir özellik çıkarım teknikleri yelpazesini, kişiselleştirilmiş bir özellik ölçeklendirme yöntemini, bilgi teorisine dayalı bir özellik seçme yaklaşımını ve bir yaklaşımlı destek vektör makinesi tabanlı sınıflandırma modelini entegre eden bir sinyal işleme ve sınıflandırma çerçevesi geliştirdik. Deneysel sonuçlar, kablosuz olarak toplanan EEG sinyallerinin dokuz katılımcı için farklı bellek iş yükü seviyelerini sınıflandırmakta kullanılabileceğini göstermektedir. En düşük iş yükü seviyesi (0-back) ile aktif iş yükü seviyeleri (1-, 2-, 3-back) arasındaki sınıflandırma doğrulukları %100'e yakın olmaktadır. 1-back ile 2-back için en iyi sınıflandırma doğruluğu %80, 1-back ile 3-back için %84'tür. Bu çalışma, kablosuz edinim sisteminin ve gelişmiş veri analitiği ile kalıpları tanıma tekniklerinin, modern toplumda çeşitli bilişsel aktivitelerde yer alan insanlar için zihinsel iş yükü seviyelerinin gerçek zamanlı izlenmesi ve tanımlanması konusunda umut verici olduğunu göstermektedir.Tam raporu okumak için buraya tıklayın
