挑戰您的記憶力！在Emotiv App中玩新的N-Back遊戲
使用無線 EEG 信號評估 n-Back 任務中的記憶負荷
分享：
人機系統，IEEE，2015
摘要
使用生理測量，尤其是 EEG（腦電圖）信號來評估心理負荷是一個活躍的研究領域。最近，已經出現了許多無線採集系統來測量 EEG 和其他生理信號。較少有研究應用此類無線系統來評估認知負荷並評估其性能。本文提出了一個探索流行的無線系統（EMOTIV EPOC 頭戴式耳機）在一個廣為人知的 n-back 任務中評估記憶負荷水平的初步步驟。我們開發了一個信號處理和分類框架，集成了一個自動工件去除算法、廣泛的特徵提取技術、個性化特徵縮放方法、基於信息理論的特徵選擇方法以及基於鄰近支持向量機的分類模型。實驗結果表明，無線收集的 EEG 信號可用於對九名參與者進行不同記憶負荷水平的分類。在最低負荷水平（0-back）和較高負荷水平（1-、2-、3-back）之間的分類準確率接近 100%。1-back 與 2-back 的最佳分類準確率為 80%，1-back 與 3-back 為 84%。本研究表明，無線採集系統與先進的數據分析和模式識別技術在實現現代社會中從事各種認知活動的人類心理負荷水平的實時監控和識別方面是有前景的。點此查閱完整報告
人機系統，IEEE，2015
摘要
使用生理測量，尤其是 EEG（腦電圖）信號來評估心理負荷是一個活躍的研究領域。最近，已經出現了許多無線採集系統來測量 EEG 和其他生理信號。較少有研究應用此類無線系統來評估認知負荷並評估其性能。本文提出了一個探索流行的無線系統（EMOTIV EPOC 頭戴式耳機）在一個廣為人知的 n-back 任務中評估記憶負荷水平的初步步驟。我們開發了一個信號處理和分類框架，集成了一個自動工件去除算法、廣泛的特徵提取技術、個性化特徵縮放方法、基於信息理論的特徵選擇方法以及基於鄰近支持向量機的分類模型。實驗結果表明，無線收集的 EEG 信號可用於對九名參與者進行不同記憶負荷水平的分類。在最低負荷水平（0-back）和較高負荷水平（1-、2-、3-back）之間的分類準確率接近 100%。1-back 與 2-back 的最佳分類準確率為 80%，1-back 與 3-back 為 84%。本研究表明，無線採集系統與先進的數據分析和模式識別技術在實現現代社會中從事各種認知活動的人類心理負荷水平的實時監控和識別方面是有前景的。點此查閱完整報告
人機系統，IEEE，2015
摘要
使用生理測量，尤其是 EEG（腦電圖）信號來評估心理負荷是一個活躍的研究領域。最近，已經出現了許多無線採集系統來測量 EEG 和其他生理信號。較少有研究應用此類無線系統來評估認知負荷並評估其性能。本文提出了一個探索流行的無線系統（EMOTIV EPOC 頭戴式耳機）在一個廣為人知的 n-back 任務中評估記憶負荷水平的初步步驟。我們開發了一個信號處理和分類框架，集成了一個自動工件去除算法、廣泛的特徵提取技術、個性化特徵縮放方法、基於信息理論的特徵選擇方法以及基於鄰近支持向量機的分類模型。實驗結果表明，無線收集的 EEG 信號可用於對九名參與者進行不同記憶負荷水平的分類。在最低負荷水平（0-back）和較高負荷水平（1-、2-、3-back）之間的分類準確率接近 100%。1-back 與 2-back 的最佳分類準確率為 80%，1-back 與 3-back 為 84%。本研究表明，無線採集系統與先進的數據分析和模式識別技術在實現現代社會中從事各種認知活動的人類心理負荷水平的實時監控和識別方面是有前景的。點此查閱完整報告
