上海理工大学张冰雪团队——基于脑电特征的进修气概识别机造的设想与实现

存眷我们，为您推送更多最新资讯。

进修气概是反映进修者个别差别的重要因素，目前关于进修气概的停止识别次要有两种形式：一是显式识别，即操纵进修气概量表，但其存在量表概念难以理解、被试填写量表时具有主不雅偏向性等缺点；二是隐式识别，即通过对进修者在在线进修系统中的交互行为数据停止发掘与阐发，间接识别进修者的进修气概，但面对“冷启动”，同时数据源自己的可信度会对识别成果产生影响等问题。基于上述问题，来自上海理工大学的张冰雪团队在 Brain Sciences 上颁发了一篇相关文章，创始性地将脑电信号应用于进修气概处置维度的识别，设想了一种可以有效激发进修气概处置维度的形态差别的尝试体例，并验证了该流程设想的有效性。

做者介绍

张冰雪 讲师

上海理工大学

法国里昂中央理工大学，信息科学博士学位。研究标的目的为脑机交互、区块链手艺等，以第一做者颁发 SCI/EI 论文 10 余篇。主持国度天然科学基金、上海市科技立异动作方案等多项国度级与省部级课题。现任上海理工大学硕士生导师、国度天然科学基金评审人、中国计算机协会上海青委会委员。当前受邀成为新加坡国立大学拜候学者，参与黄铭钧院士“新加坡区块链立异方案”。

研究过程

进修气概在信息处置、感知、输入、理解维度上的区别，是人在阐发、处理进修问题时的差别性表现。那一过程与人脑内化、理解信息过程相关。脑电信号是大脑自觉性、节律性的电心理活动，其各波段能有效反映人脑内部活动形态，其所表现的生物特征信息难以被假装或掩饰，关于脑电特征应用于进修气概的识别具有极大的潜力。

基于脑电信号的进修气概，识别尝试流程包罗 * 个被试者进修气概标注、激发被试在处置维度上的形态差别、数据收罗、数据预处置与模子训练及进修气概识别等 * 个步调，详细流程如图 1 所示：

图 1. 基于脑电特征的进修气概识别流程。

被试者进修气概标注

招募进修者停止进修气概量表的填写，并设想相关办法以包管量表成果的准确性，从而产出有意愿参与尝试且契合后续尝试要求的被试及其对应的实在进修气概标签。尝试最末挑选出较明显表示出活泼型和沉思型的被试各 * 人，共 14 人做为被试，年龄在 18~21 岁之间，均匀年龄为 1*.4 岁。

激发被试在处置维度上的形态差别

对上一步所挑选出的被试，通过考虑“若何有效激发出被试在进修气概处置维度的个别差别？以及若何包管所设想的鼓励体例在实在的鼓励过程中产生尽可能少的无效信号？”的选用原则，选择瑞文高级推理测试 RAPM 做为本尝试的鼓励源，激发得到差别类型进修者处置维度的差别形态。

数据收罗

招募进修者停止进修气概量表的填写，并设想相关办法以包管量表成果的准确性，从而产出有意愿参与尝试且契合后续尝试要求的被试及其对应的实在进修气概标签。尝试最末挑选出较明显表示出活泼型和沉思型的被试各 * 人，共 14 人做为被试，年龄在 18~21 岁之间，均匀年龄为 1*.4 岁。

图 2. 单次收罗序列流程示企图。

数据预处置

对原始脑电数据停止预处置，包罗有效数据段提取，脑电信号滤波和眼电伪迹去除，数据切片及标注待训练数据，其详细流程如下图 * 所示，最末产生待训练的数据。

图 *. 数据收罗流程图。

模子训练及进修气概识别

第一，看待训练数据停止模子训练，利用一维时间-空间卷积核取代传统二维卷积核；

第二，构建并行多标准卷积模块，有效获取愈加丰硕的脑电特征；

第三，模子通过全局均匀池化取代全毗连层，有效进步模子训练速度并最小化过拟合效应。最末构建出基于脑电特征的进修气概识别模子停止识别。

研究成果

关于沉思型和活泼型进修气概的进修者，别离接纳 Chi-square 查验与 Mann–Whitney U 查验停止统计学查验，验证了沉思型和活泼型进修者在做答准确率 (Chi-square, p=0.0006 ) 与做答时间 (Mann–Whitney U, p=0.012* ) 上均存在统计学意义上的差别性，以验证本文尝试流程设想的合理性。同时，本尝试的识别准确率到达 *1.2%，并将所提出的办法与其他较为成熟的基于在线交互行为日记的进修气概识别准确率比拟，验证了本研究初度提出的基于脑电特征的识别准确率已到达本事域内的较高程度。

研究总结

本文针对现有进修气概识别机造的主不雅性强、过程繁琐等问题，提出了一种基于脑电信号的进修气概的识别机造，并通过被试者实在进修气概标注设想、进修气概形态差别的鼓励过程设想、数据收罗体例的设想、数据预处置、识别模子的构建等 * 个层面临整个机造停止了详细论述。本文所提出的基于脑电特征对进修气概的识别机造，对利用脑电信号实现进修气概的识别有着重要的创始性意义。

021yin.com/20*6-*42*/11/*/61*