脑-机接口中新的脑电数据分类方法

根据自发脑电的特点,将HMM-AR模型算法运用到脑电状态的分类中,证明它是一种非常有用的分析脑-机接口方法。将Laplacian filter、ICA和HMM-AR方法相结合,用想象左右手运动的BCI数据进行识别,得到了很好的分类结果,有效地区分脑电中运动与非运动两种状态。该算法能够在运动开始后1 s内检验到脑电信号的变化,从而证明了该算法在BCI的实用性,达到了良好的识别效果。     

ICA+CSSD的脑-机接口分类

针对复杂的脑电问题,介绍了一种对单次思维脑电信号提取、分类的方法。该方法的主要思想是将独立成分分量和共空域子空间分解方法以及支持向量机学习方法结合起来,用于提取脑电信号特征。该方法分别被用于BCI Competition 2003 Data set IV和BCI Competition III Data set I,正确率分别达到了89%和92%。实验证明独立成分分量算法和共空域子空间分解方法能够很好地结合起来进行脑思维的分类,分类正确率很高,是一种快速、稳定可行的分解方法。     

基于AdaBoost的脑机接口分类算法研究

依据AdaBoost思想对BP神经网络、线性判别式以及支撑向量机三种传统分类器进行强化训练形成强分类器。在传统训练的基础上,根据分类器的映射特点选择相应的预处理方法和权值分布函数,降低分类器对数据特点的依赖性,提高AdaBoost的训练效果。对基于左右手运动想象的实际脑电数据进行模式分类,发现采用该思想训练的强分类器能不同程度地提高分类效果。该算法具有一定的推广意义,也证实了AdaBoost算法在脑机接口技术开发中的应用潜力。     

脑机接口医学应用的研发现状与趋势

脑机接口通过采集、分析和处理人类大脑中的电信号,能够将人类大脑的信号转化为计算机指令,实现人脑与外部设备之间的信息交流与控制,在医学、教育、娱乐和军事等领域拥有重要的应用前景,当前已进入临床应用阶段,距离产业化大规模运用时期已经不远。脑机接口技术通过系统与人脑的直接交互来辅助、增强、改变人脑的意识活动,自然人的意思表示与意思形成将发生质的变化,而民法典对于自然人意思自治保护的边界仍停留在受外力作用而导致意思自由的几类情形。民法应当承认“由脑到机”的脑机接口技术通过机器形式对外表达的使用者的意思表示为有效;如果系统原因导致表达不准确,则意思表示仍然有效;但应当赋予表意人以撤销权。“由机到脑”的脑机接口技术对自然人的意思形成存在实质性的影响和干预,但同样应当作为自然人的意思表示来对待。脑机接口技术运用中的责任主体是使用者而非人工智能或系统本身,应当由使用者承担违约责任、准合同责任及侵权责任。民法理论与规则对目前脑机接口技术运用中的相关问题具有解释力与可适用性,但应当思考脑机接口技术带来的一系列民法领域的新问题。^相似文献   

从内涵和外延的解析看脑机接口的哲学特征

从技术哲学的视野看,一种技术是通过专门的结构设计来实现特殊的功能,脑机接口的技术界定可以从这一视野去加以理解,它作为一种特殊的技术人工物,是通过在“脑”与“机”之间的人工联结(结构)来实现其特有的功能：为需要它的相关人群提供人工行动或人工感知。正是围绕这一界定,脑机接口成为一种具有信息技术、智能技术、神经技术、治疗与增强技术等多面相的技术统一体,并体现出心物交互、知行交互和对人多向度延展的哲学特征,由此延伸到它的分类上也可以从哲学价值论和认识论上获得新的解析。这些考察视角为理解脑机接口的内涵和外延拓展了本体论高度和认识论广度的新视野。     

治疗型脑机接口的知情同意问题及其应对

随着脑机接口技术的更新迭代和不断发展,其在医疗健康领域正展现巨大的应用潜能。然而,治疗型脑机接口在给患者带来健康福音的同时,也带来了知情同意的难题,在充分告知、准确理解及自主决策等阶段都存在不同程度的困境。提高医患医学素养,提升医护伦理意识;完善法律法规,提供制度保障;健全监督机制,明确监管责任等,可在一定程度上应对治疗型脑机接口的知情同意难题。     

基于P300和极限学习机的脑电测谎研究

极限学习机基于一种典型的单隐层前馈神经网络(SLFNs),其有效性在模式识别很多领域得到证实。该文针对当前的测谎方法的准确率不够高及训练时间较长的缺点,将ELM算法应用到测谎研究领域,作为分类器,对说谎者和诚实者的两类脑电信号进行分类识别,并将实验结果和三类典型的分类器:支持向量机(SVM)、人工神经网络(ANN)和线性分类器(FDA)的分类结果进行比较。实验结果表明,该方法不仅获得最高的训练和测试准确率,而且训练时间也大为缩短,证明了该方法的测谎有效性。     

脑机接口的伦理争议及其发展对策——基于哈贝马斯的“包容他者”视角

近年来脑机接口技术的发展为人类治疗疑难疾病、增强人体机能提供了可能,但与此同时也带来了诸多风险。为客观认识和规避这些风险,基于哈贝马斯的“包容他者”理论,将“机器他者”这一概念引入现代医疗领域,并从身份认知、知情权和隐私权、社会公平、责任归属等方面进行了分析和讨论。结果表明,当具有“意识”能力的“机器他者”介入人类主体后会导致“主客体”界限的模糊甚至互换,从而引发各种伦理冲突。对此提出用“有限包容”的态度来发展脑机接口这种充满未知的技术,以避免或减少其对人类安全和社会秩序可能产生的冲击和影响。     

脑机接口技术多领域扩散的外溢风险及其规制

通过对脑机接口技术多领域扩散的应用观察,返观内视其大脑离身于躯体、意念“遥控”动作、物性超越于灵性的生长逻辑。在技术扩散中,脑隐私数据泄露化、脑意识恶意操纵化、脑算法资本垄断化、个人信息圈壁垒化的风险随之外溢。对此,须在寻求技术规制理论支持的基础上,结合锚定脑机接口技术的核心价值取向,搭建“神经权利”的法律保护框架,限定脑机接口技术的实践应用场景,预防脑机接口技术的资本垄断风险,对这些法律规制问题给予充分的时代回应。     

音乐情绪感知的脑电研究

利用情绪量表筛选出对应愉快、快乐、悲伤、恐惧四种情绪的音乐片段作为刺激,同步记录脑电,从脑区、情绪极性、强度等方面对脑电α波功率的变化进行了分析。结果表明:脑电α波功率的变化与情绪的极性和强度密切相关;快乐与恐惧、愉快与恐惧、恐惧与悲伤之间α波功率差异显著;顶枕区α波功率在负极性情绪中强度强的明显小于强度弱的;在强度强的情绪中,正极性情绪显著大于负极性情绪。     

图像识别在吻合器漏针检测中的应用

提出了一种基于图像处理和模式识别技术的计算机吻合器漏针自动检测方法.该检测系统通过微机控制CMOS摄像机拍下吻合器图像,采用二值化、特征提取和模糊聚类等一系列计算机视觉技术检测漏针.实践表明,该方法准确率高、速度快,比传统检测方法有着更高的可靠性和效率.     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法。该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能。一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍。实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性。     

一种模式匹配和统计学习相结合的文本情感分类方法

摘要：为了提高Web评论文本情感分类的性能,通过分析评论文本中词语之间的搭配关系,提出了一种基于模式匹配和统计学习相结合的文本情感分类方法,即将N—gram方法与情感词语搭配模式相结合,从评论文本提取特征,再利用机器学＊-2方法实现文本情感分类。实验结果表明,与传统机器学习方法相比,该方法能显著提高文本情感分类的性能。     

意象建构与句法发生——语法语义接口研究的“用例事件”模式

语义语法接口研究的"‘用例事件'模式"提出三项假设:句法表征语义、语义体现为意象、句法结构就是事件结构,并在此基础上得出以下的语法语义接口的基本操作:以事件为基础、以意象作驱动。语言运用是一个从事件到用例事件的心智过程。语言运用是从表达主体的心智对内外世界事件的感觉开始,形成最初意识,经过心物随附性的作用,并充分发挥主体的意向性的主导影响,形成反思意识,作为感受;感受以意象的形式出现在大脑里,这就是前语言的用例事件。意象形式的前语言用例事件被固化为概念形式的语言用例事件就是句法的发生。研究意象建构与句法的发生的关系就是研究语法语义是如何接口的。     

国际虚拟教育研究的热点透视及发展趋势——基于2015-2020年WOS核心数据库相关文献分析

随着第四次教育革命的来临,以VR、AR和MR为核心的虚拟技术为现代教育的变革与重塑带来了新的契机,其在教育领域的应用已成为近年来各国教育研究的热点之一。为此,基于CiteSpace可视化知识图谱软件,对Web of Science国外核心期刊数据库2015—2020年间收录的729篇文献进行图谱分析、关键词词频统计分析和共被引文献综述,发现虚拟技术在教育中的应用呈现出不断趋向深度沉浸的趋势,目前已成为沉浸式学习的主要路径。与此同时,虚拟教育为课堂转型提供了新的方向,以其为核心的交互式学习环境促进了情境化课堂、深层次学习以及差异性教学的发展。此外,开展基于虚拟技术的各学科教育实践,为改善各学科教育情境及提升相应的教育效能提供了新的机遇。在未来,还需整合5G网络通信技术以优化虚拟技术的沉浸性,同时通过构建虚拟全纳教育社区来落实全纳教育理念,促进我国特殊儿童的社会性发展。5G、AI以及区块链技术与虚拟技术的有机融合,不但有助于完善泛在学习情境的构建,充分实现学习者的个性化学习,最终还将形成智能教育新生态。