Jul, 2016

基于人脑信号推断相关性的自然脑 - 信息接口

PDF
TL;DR本文介绍了一种通过脑电波信号推断用户阅读文档的相关性和搜索意图的大脑信息接口，成功地应用于从英文维基百科语料库中检索新的相关文档，为信息推荐提供了一种不需要明示用户意愿的新方式。
brain-information interfacerelevance predictioneegsearch intent modelingrecommendation
发现论文，激发创造
  • 脑电信号的相关反馈

    使用便携式和高精度脑机接口设备，将大脑信号作为衡量相关性的指示，以改进文档重新排序的性能。实验证明，融合大脑信号在相关性反馈中能够显著提高性能，并且特别适用于一些复杂的搜索场景。

    Dec, 2023

  • 通过脑机接口建模用户偏好

    使用脑机接口（BCI）技术研究用户的注意力、认知和情感状态，推导用户偏好以及与视觉内容的关联，并将其应用于信息检索、生成模型的个性化控制以及群体情感估计。

    May, 2024

  • 利用脑信号更好地理解人类阅读理解

    通过使用脑电波技术，研究了阅读理解的神经响应变化，发现各种认知活动在阅读理解中发挥作用，并构建了一个基于脑电波的阅读理解建模统一框架，用于提高阅读理解任务的性能。

    Aug, 2021

  • 机器关注时的人类大脑活动

    通过将神经网络和神经科学的 EEG 数据相结合，使用理论驱动的裁剪和随机森林树分割来降低 EEG 数据的维度，从而改进了 NLP 任务中的注意力机制，表现出比强基准线更佳的表现，有助于进一步研究 EEG 在 NLP 任务中的应用。

    Jun, 2020

  • 预测信息需求的实现：一项脑电图研究

    利用脑电图数据预测信息需求的实现，对实时预测信息需求的实现进行研究，提高信息检索实践的可行性。

    Jun, 2024

  • 人机联合学习框架以提升内生脑机接口训练

    脑机接口（BCIs）提供了从大脑到外部设备的直接路径，具有辅助和康复技术的巨大潜力。通过引导用户生成朝向解码器估计的最优分布的脑信号，提出了一种人机联合学习框架来加速内源性 BCIs 中的学习过程。通过 18 名健康受试者的在线和伪在线 BCI 实验，证明了所提出的联合学习过程在学习效率和效果上的优势。

    Aug, 2023

  • 深度特征学习 EEG 信号：通过启用脑电文本输入实现思维转文字

    提出了一种基于深度神经网络的 MI-EEG 分类方法，采用联合卷积循环神经网络同时学习低维稠密嵌入的强鲁棒高级特征，消除多种伪迹。实验证明，该方法在 MI-EEG 数据集上的分类精度达到了 95.53％，并应用于具体的 BCI 系统中，实现了打字操作。

    Sep, 2017

  • 使用跳过连接进行大脑信号的无主题分类

    研究了使用脑电波编码词语的可行性，提出在卷积神经网络中使用跨层连接以帮助信息流动，并使用测试数据结果表明，在此情况下分类性能得到显着提高。

    Jan, 2023

  • 用于多模式自然语言处理的 EEG 脑电信号解码

    本文针对脑电信号对自然语言处理的潜力进行了大规模研究，利用多模态机器学习体系结构，发现滤波后的脑电信号对情感分析任务的性能提升最为明显，特别是在训练数据有限的情况下。

    Feb, 2021

  • 透视大脑：从人脑信号重建视觉感知

    本文介绍了一种名为 NeuroImagen 的综合流程，用于从动态的脑电信号（EEG 信号）中重构高分辨率的视觉刺激图像，并通过多层次的感知信息解码提取实用信息，实验结果表明该方法在图像重构方面具有显著的效果和卓越的定量性能。

    Jul, 2023