提出两种基于分类器的经验信任传感器模型来评估人类的信任水平，分别使用脑电图（EEG）和皮肤电反应（GSR）测量。第一种方法考虑了所有被试的心理生理特征作为输入变量，并针对每个参与者训练分类器，生成一个基于一般特征集的信任传感器模型。第二种方法考虑每个个体的自定义特征集，并使用该特征集训练分类器 - based 模型，从而在提高平均准确性的同时，导致训练时间的增加。这项工作代表了实时心理生理测量用于开发人类信任传感器的第一次尝试。

Mar, 2018

本论文提出了一种基于自动选择的皮肤电反应（GSR）信号特征和 SVM 的新型人类情感识别方法，使用奇异值分解特征选择方法筛选出最佳特征后，运用支持向量机实现情感识别，且识别准确率达到了 66.67% 以上。

Jul, 2023

本文综述了心理疲劳的理论模型、关键的技术手段和最新的人类疲劳生物传感技术，发现 EEG 传感器能够提供对疲劳检测的中等到良好的灵敏度，并讨论了可穿戴 EEG 以及环境传感器相互融合在实时监测方面的关键性作用和未来的发展方向。

Jul, 2023

本文第一次全面介绍了解释性与鲁棒性人工智能技术在脑电图系统中的应用及其未解决问题与发展方向。具体而言，我们首先提出了三种类别的可解释性分类方法：反向传播，扰动和内在可解释性方法，并将鲁棒性机制分类为噪声和伪迹、人类变异、数据获取不稳定性和对抗攻击四类.

Apr, 2023

本研究使用多模式感知方法和机器学习来识别一组指标，以估计认知负荷水平。通过进行一组认知测试，利用四种传感器来测量参与者的生理变化以及 Chi-Square 卡方分析法揭示了它们的感知认知负荷水平的差异，研究利用三种分类算法分别使用这些生理数据进行训练和测试，并证明使用 ECG 和 EDA 的结合可以获得良好的辨别能力。

May, 2022

信任是人们对机器人和技术进行采纳的重要因素，因此研究过去几十年的文献主要关注于测量人们对机器人和技术的信任程度，特别是在人机交互方面。本文中，我们概述了当前的研究方法及其优势，提出了一些薄弱方面，并讨论了在人机交互中影响信任度的更全面因素的潜力。

Nov, 2023

这篇论文针对机器人、虚拟角色、智能车辆、决策帮助等各类 AI 系统中关于信任模型的应用和测量方法缺乏标准化的现状进行了概述和分析。作者提出了一些系统的研究目标，并为当前文献汇总的优点和缺点提供了解决方案和研究议程。

Apr, 2022

本研究通过使用 SVM，KNN 和 RNN (LSTM) 等算法，对 DEAP 数据集中的 EEG 信号进行分类和测试，以探究如何使用脑信号来改进情绪识别的性能，并进一步研究情绪随时间变化的规律。

Jul, 2023

设计并测试了一种实时控制的用户界面系统，通过提取腕带配置中八个电极的表面肌电（sEMG）活动。实时将 sEMG 数据传入机器学习算法，用于手势分类。实验结果表明，相对于基线，修改的反馈条件显著提高了准确性和手势分类分离，暗示了通过反馈操作的游戏化用户界面可能实现基于 sEMG 手势识别应用的直观、快速、准确的任务获取。

Sep, 2023

使用机器学习技术检测焦虑和压力的效果已得到证明，本研究通过对心电图 (ECG) 和电脑皮肤反应 (EDA) 信号提取的特征进行统计回归分析以及跨数据集验证的方法，第一次对焦虑和高度兴奋情绪之间的关系进行了跨数据集评估，发现模型可能更多地识别情绪激发而非压力。

Jan, 2024