基于集成SDAE和EEG的跨被试认知工作负荷识别

基于脑电信号评估人机系统中操作员认知工作负荷状态,可以有效阻止操作员工作性能下降。文中提出一种跨被试认知工作负荷分类器E-SDAE,以适应被试间脑电特征分布的变化。该算法包括高水平个性化特征抽象和决策融合两个模块。特征滤波器利用基学习器SDAE来抽象一组被试的脑电特征。监督分类器利用超限学习机的随机性来融合经Q-statistics处理后得到的滤波脑电抽象。任务1和任务2分别取得0.6353和0.6747的分类率,并且显著优于一些传统的认知工作负荷评估器。时间复杂度计算结果表明,E-SDAE的计算负荷对于高维脑电特征是可接受的。

基于信息理论的核电厂操纵员认知工作负荷研究

文章基于信息理论模型下信息传输原理——信源通过编码器到信道,再经译码器传输给信宿,提出了核电厂操纵员认知工作负荷模型。将显示屏显示的信息、其他操纵员口述信息看做信源,人的视觉听觉接收器看做编码器,大脑中枢及附属神经系统看做信道,大脑中枢信息处理为译码器,人机系统为信宿。并提出了该模型下的"编码器","译码器"阶段及界面管理的认知工作负荷的几个影响因素,用层次分析法分析验证了它们的重要程度,为提高操纵员认知工作效率提供建议。