课堂教学中脑机接口技术应用瓶颈与前景

课堂教学中脑机接口的应用研究已有文献报道,但对于课堂教学,脑机接口在技术成熟度、认知偏见、伦理问题、制度保障等方面存在诸多应用瓶颈,还需深入研究寻找破解之道。课堂教学在于获取知识,而获取知识的本质就是大脑认知水平的提高。尽管脑机接口目前的技术水平对主流教学方式的改变有限,但在课堂教学质量评价、教学方法效果度量、学习风格判别、精神状态监测以及教育娱乐辅助等非主流领域的应用前景广阔。未来将脑机接口技术与现有教学方式相结合,将有助于在课堂中增加学生的学习积极性,提高学习效率。

脑机接口教育应用:原理、潜能与障碍

脑机接口教育应用目前仍处于非主流地位,其理论基础、技术设备、制度保障等依然存在诸多障碍。本研究从技术原理、应用潜能和应用障碍三方面阐述了脑机接口技术教育应用的优势和不足。线上教学为脑机接口教育应用提供了新的机遇,但脑机接口技术对于主流教学方式的改变有限。如果两者能有机融合、优势互补,将有助于提高学生学习积极性和学习效率,这可能也是脑机接口等非主流技术在后疫情时代的生存之路。

互信息引导下的前向搜索脑—机接口导联选择算法

在脑—机接口(brain-computer interface,BCI)系统中,利用高密度导联来获取脑电信号(EEG)空间信息,增加了特征提取和识别的复杂度和难度。针对脑电信号分类识别中的导联选择问题,提出一种互信息引导下的前向搜索导联选择算法,首先根据互信息及最大相关最小冗余(maximum dependency with minimum redundancy,mRMR)原理对各个导联进行排序,以排序靠前的导联信号分类准确率为判据,采用前向搜索算法依次选择后续导联,获得最优导联组合。以BCI competitionⅣdata sets 1为分析数据集,实验结果表明,所提算法在减少导联的同时提高了BCI系统的识别率,为BCI系统的应用提供了技术参考。

鸽子在动物机器人领域的研究进展

鸽子具有集群和归巢习性,善于远途负重与持续飞行,导航和空间认知能力卓越,近年来被广泛应用于动物机器人研究。鸽子机器人通过对鸽子脑内特定的神经靶点施加神经信息干预以实现运动行为控制。本文根据鸽脑内的分层多级神经调控靶点分布,分别对基于感觉系统、动机和情绪系统或皮层以及中脑运动区的鸽子机器人研究进展进行分类综述,以期为进一步利用鸽子机器人开展空间感知、侦察勘测和反恐搜救等应用研究提供参考和指导。

脑科学视角下高效课堂的基本要素

脑科学的研究成果使得人们对学习的理解越来越深入,但是将脑科学的研究成果引入课堂以实现快速高效地学习,还鲜有报道。该文从脑科学视角下,首先总结了课堂教学的显性因素,即学生、教师、教材和教室,在此基础上进一步分析了隐含在显性因素中的隐性因素,并重点讨论了课堂教学的影响因素。课堂教学在于学习,而学习的本质就是大脑神经信息的传递,因此文章认为脑科学的研究成果对教育者来说观念的更新很重要,有助于他们更好地在课堂中提高学生的学习效率。

大脑空间认知:从神经机制到哲学意义

脑科学的研究有力地促进了哲学的发展,而哲学包含着深刻的本体论、认识论和方法论,是未来脑科学研究的坚实基础。在对构成大脑空间认知系统的位置细胞、网格细胞、头部朝向细胞和边界细胞四类功能神经元响应特性及其作用机制细致分析的基础上,从本体论、认识论、方法论三个方面探讨了大脑空间认知研究的哲学意义。大脑空间认知等相关脑科学的研究成果对于哲学的发展具有重要意义,将在构建哲学与时俱进的解释力和预见力中发挥积极的作用。

引入迷失探索与集群分裂机制的改进鸽群优化算法

鸽群优化算法(pigeon-inspired optimization,PIO)作为一种新兴的优化技术,具有收敛速度快、精度高等优点,但其对于一些具有局部最优值的问题的求解效果并不理想.将自然界中鸽群飞行时的迷失探索和集群分裂机制引入原始鸽群优化算法,提出了一种迷失探索与集群分裂鸽群优化算法(lost and split pigeon-inspired optimization,LSPIO),迷失探索机制的引入加强了算法的全局搜索性能,而集群分裂机制增加了种群多样性.选取9个标准测试函数进行算法性能评估,并与标准鸽群算法和粒子群算法进行对比.结果表明,LSPIO算法在保持良好收敛性质的同时可以有效地避免早熟问题,且提高了种群多样性.

癫痫过程中头皮脑电信号的β-γ耦合变化

揭示癫痫过程中脑内信息交互变化对临床诊疗具有重要意义。早期研究表明,相位-幅度耦合(PAC)可作为定位致痫区域和表征癫痫状态转换的潜在生物标志物。然而,目前癫痫的相位-幅度耦合研究多集中于θ-γ耦合,对β-γ耦合在癫痫过程中的变化及潜在应用知之甚少。对此,本文基于癫痫头皮脑电(EEG)数据,采用调节指数(MI)的PAC方法,探究癫痫不同状态下β-γ耦合的变化。结果发现,癫痫过程中各脑区内β-γ耦合随状态发生改变,多数脑区内的β-γ耦合在发作期减小,在发作后期增加,其差异具有统计学意义。癫痫过程中不同脑区间也存在β-γ耦合,且β-γ耦合强度在发作后期增加,其差异具有统计学意义。这些研究结果既有助于理解癫痫过程中脑内信息交互的改变,也为癫痫的临床诊疗提供了新参考。

多目标优化在特征选择子集评价中的应用

特征选择是处理高维大数据常用的降维手段,但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中,优化子集性能,提出一种基于子集评价多目标优化的特征选择框架,并重点对多目标粒子群优化(MOPSO)在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数,继而基于多目标优化算法进行特征权值向量寻优,并通过权值向量Pareto解集膝点选取确定最优向量,最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择(FS_MOPSO)与四种经典方法的性能,多个数据集上的结果表明,FS_MOPSO在低维空间表现出更高的分类精度,并保证了更少的信息损失。

基于小波变换-集合经验模态分解的单通道脑电信号眼电伪迹自动去除研究

在实际应用中的脑-机接口系统要求脑电信号采集通道越少越好,然而当减少到只有一个通道时,其眼电伪迹去除比较困难。因此,本文提出一种基于小波变换和集合经验模态分解的眼电伪迹去除算法,首先将单通道脑电信号进行小波变换,选择包含眼电伪迹的小波成分进行集合经验模态分解,进一步通过设置自相关系数阈值自动去除以眼电伪迹成分为主的固有模态函数,最后重构得到"干净"的脑电信号。在仿真数据和真实数据上的对比实验表明,本文所提算法解决了单通道脑电信号中眼电伪迹的自动去除问题,能够在有效去除眼电伪迹的同时,造成较小的脑电信号失真,同时具有较低的算法复杂度,有助于推动脑-机接口技术走出实验室,走向商业化应用。

基于格兰杰因果的效应性连接分析方法综述

基于格兰杰因果关系的效应性连接分析方法目前在多脑区神经信号分析中得到了越来越多的应用。首先系统介绍了此类方法中常用代表性算法的计算原理与功能特点,然后对实际应用该类方法时应注意的要点进行了总结,最后以广义偏定向相干的改进算法为例,展示了在实际脑电数据集上的应用效果。

基于生成模型的Q-learning二分类算法

对于二分类问题,基于判别模型的分类器一般都是寻找一条最优判决边界,容易受到数据波动的影响。针对该问题提出一种基于生成模型的Q-learning二分类算法(BGQ-learning),将状态和动作分开编码,得到对应各类的判决函数,增加了决策空间的灵活性,同时在求解参数时,采用最小二乘时序差分(TD)算法和半梯度下降法的组合优化方法,加速了参数的收敛速度。设计实验对比了BGQ-learning算法与三种经典分类器以及一种新颖的分类器的分类性能,在UCI数据库七个数据集上的测试结果表明,该算法有着优良的稳定性以及良好的分类精确度。

新工科背景下“学践研创”四位一体的创新人才培养模式

文章从高水平教师团队打造、以学生为中心的教学模式改革、加强实践教学环节、创新意识和创新能力培养、特色专业试验小组设立、学校企业双导师指导等几个角度总结了郑州大学对“新工科”人才培养模式的改革措施和取得的成果,表明郑州大学在卓越人才的培养方面已初步形成了“学践研创”四位一体的创新人才培养模式,将在高水平教师团队的打造、卓越创新人才培养等方面发挥重要作用。

基于听皮层神经元感受野的强噪声环境下说话人识别

针对说话人识别易受环境噪声影响的问题,借鉴生物听皮层神经元频谱-时间感受野(STRF)的时空滤波机制,提出一种新的声纹特征提取方法。在该方法中,对基于STRF获得的听觉尺度-速率图进行了二次特征提取,并与传统梅尔倒谱系数(MFCC)进行组合,获得了对环境噪声具有强容忍的声纹特征。采用支持向量机(SVM)作为分类器,对不同信噪比(SNR)语音数据进行测试的结果表明,基于STRF的特征对噪声的鲁棒性普遍高于MFCC系数,但识别正确率较低;组合特征提升了语音识别的正确率,同时对环境噪声具有良好的鲁棒性。该结果说明所提方法在强噪声环境下说话人识别上是有效的。

基于人体姿态估计的站桩数字化表达与评估

站桩看似简单实则深奥。为解读站桩过程的内在规律,辅助学员站桩训练,结合实验和数据分析,基于人体姿态估计技术,提取站桩过程的动态特征参数,构建站桩姿态数字化表达与评估体系。首先,利用OpenPose人体姿态估计算法从站桩视频中提取人体关键点;其次,根据站桩要领确定数字化表达的关键特征参数;接着采用动态时间规整算法和判别分析法分别计算各特征参数的评估指标;最后,基于长期站桩数据,使用变异系数法赋予各评估指标不同的权重,探讨各特征参数的重要性并对站桩效能进行综合评估。具体实施包括:设计一个从正面和侧面采集站桩视频的实验,6名太极拳专家和22名学员参与这项研究,学员被分为实验组和对照组。通过对专家组站桩参数的分析发现,站桩实则是一个动态过程,实验数据从正面、侧面表达了不同部位的动态特征参数;同时跟踪实验组学员8个月的长期站桩数据,通过与专家数据的对比评估发现,躯干、大腿、膝关节和髋关节是站桩过程中更重要的身体部位。此外,经过数字化评估指导后,实验组学员的站桩质量得到明显提升,验证了数字化表达与评估体系对于辅助训练的有效性。

基于运动观察EEG的运动方向解析

与运动想象相比,运动观察的脑电信号没有被试主动思维参与,解析难点在于其信号幅值更弱且难以获取。实验针对运动观察中的方向判别进行了研究,以获取运动观察过程脑电特征明显频段作为切入点,利用运动观察眼动追踪信号确定有效观察任务,绘制脑地形图序列,定位激活的脑区,选出关联通道;然后结合运动观察EEG在特定频段时域上的能量特征较明显的特性,改进CSP算法,基于信号能量特征,利用SVM进行分类识别。实验得到运动方向解析平均80%以上分类准确率,最高在0～4 Hz频段上,达到了86. 28%,实现了运动观察虚拟小车左右转的解析与识别,为复杂运动观察任务EEG的解析与识别提供了有效的方法。

信鸽外纹体神经元对习得性目标认知的响应特性

习得性认知是生物通过后天学习,将外部目标与自身行为进行强化训练,形成一种条件反射的认知过程,信鸽外纹体神经元在认知前后响应如何变化尚不清楚。通过训练信鸽识别特定目标,同步记录外纹体神经元集群信号,从动作电位发放率、局部场电位伽马子频带能量、神经元间互信息等角度,分析信鸽在不同认知阶段外纹体神经元响应特征的变化规律,结果表明:习得目标认知建立前后,其神经元的响应从集中在目标呈现阶段调整到决策阶段;不同试次神经元响应间的同步性随着习得性目标认知的建立逐渐增强,表现出更稳定可靠的响应特征;神经元集群间的互信息显著弱于认知前,表明习得性目标认知减弱了神经元集群的冗余信息,提高了编码效率。

一种融合各类最小主成分子空间的特征变换方法

针对主成分分析算法没有很好地利用数据的类别信息,且最大主成分方向容易导致各类数据重叠的问题,提出一种融合各类最小主成分子空间的特征变换方法。首先将各类数据分别进行主成分分析,由各类最小主成分方向张成各类投影子空间;然后将原始数据在各类子空间投影后的最小主成分子空间进行融合,构成新的特征空间;最后使用KEEL公共数据集对该方法进行测试。结果表明,与其他特征变换方法相比,该方法能够构造出更加利于分类的特征空间,有助于提升分类器的分类精度。

鸽子运动意图的最大似然估计解码算法

神经信息解码是目前植入式脑机接口(brain-computer interface,BCI)神经信息处理研究中的难点和重点;解码效果的优劣以及解码算法的效率直接决定了脑机接口应用的有效性和实用性。为了解码十字迷宫内鸽子运动转向信息,利用高斯分布模型对神经元锋电位发放率的概率密度函数进行建模;并结合最大似然估计(maximum likelihood estimation,MLE)算法对鸽子的转向意图进行了预测;并将其结果与(support vector machine,SVM)法和群矢量(population vector,PV)法进行了比较。结果表明,MLE算法能够有效地解码鸽子的运动意图,解码正确率显著高于SVM法和PV法。这一结果也为进一步分析鸽子运动意图神经信息处理机制奠定了基础。

一种用于监测和缓解视疲劳的智能按摩眼镜

研发实时检测与缓解视疲劳的智能设备在日常生活中具有重要应用价值。视疲劳程度与眨眼动作密切相关,从眨眼动作提取的眨眼频率和眨眼持续时间会随着视疲劳程度的加深而有所增加。本文通过采集疲劳和非疲劳状态下的垂直眼电信号(VEOG)从而进行眨眼实时监测,然后建立支持向量机(二分类)模型,将30秒内的眨眼频率、平均时间占比作为区分将疲劳眼电信号和非疲劳眼电信号的特征,最终模型测试集准确率为88.33%。本文创新地提出了将监测和缓解视疲劳于一体的智能按摩眼镜。系统可以根据判别函数f(x1,x2)=4.8647*x1+x2-0.5138判断眼睛是否进入疲劳状态,若眼睛进入疲劳状态,眼镜自动启动按摩功能对睛明穴进行按摩,以及时缓解视疲劳,保护双眼。该设备可佩戴性高,低功耗,是一款能有效保护双眼的可穿戴设备。