基于卷积神经网络的单试次注视相关电位分类方法

针对现有单试次注视相关电位(FRP)分类中未充分关注特征通道之间重要性关系的问题,提出了一种基于改进卷积神经网络(CNN)的单试次FRP分类方法。通过在卷积层中嵌入特征通道权重重分配模块,自适应学习各特征通道的重要程度,增强重要特征的权重并抑制不重要的特征,从而提升网络的分类准确性。为验证所提方法的有效性,首先在视觉刺激实验中同步采集了志愿者的脑电信号(EEG)与眼动数据,其次在离线环境中对数据进行预处理,最后利用所提方法进行单试次FRP分类实验,并与现有最优网络的分类结果进行对比。实验结果表明:所提方法对单试次FRP分类的平均AUC提升超过2%,达到0.9269。

语言认知中眼动和ERP结合的理论、技术路径及其应用

自然语言的产生和理解具有高度的实时性。眼动和ERP技术具有很高的时间分辨率,可以在线测查语言认知加工过程。然而,两种技术手段都各有利弊,可以在一定程度上进行互补,从而为揭示语言加工的特点和机制提供行为和电生理证据。在文献梳理的基础上,详细分析了语言认知中眼动和ERP技术结合的必要性,即注视和加工的耦合程度以及眼睛和大脑的加工速度;准确阐述了眼动和ERP结合的技术路径,即眼动和ERP单独记录、ERP结合眼电分析、眼动和ERP同步记录,比较了不同方法的优缺点;具体介绍了眼动和ERP结合在语言认知研究中的应用。最后,对眼动和ERP结合在未来研究中需解决的问题进行了展望。