利用脑信号更好地理解人类阅读理解
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。
Jul, 2016
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
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
脑活动转化为文本的研究在近年来取得了显著的进展,许多研究人员致力于开发新模型将脑电信号解码为文本形式,但该领域仍面临许多挑战,需要进一步改进。该综述文章完整总结了脑电信号转化为文本的进展,包括该技术的成长、仍存在的问题、数据收集方法、信号处理步骤以及将这些信号转化为连贯文本的系统开发。通过解决这些方面,该综述旨在为广泛的用户群体开发更易接触和有效的脑机接口(BCI)技术做出贡献。
Apr, 2024
回顾了和人脑活动相关的人工语言模型研究,发现人工神经网络中单词意义的神经表征与其使用的密集词向量高度吻合,并且人工神经网络内部的处理层次与人脑有相似之处,但是依据研究的不同而有所不同。因此,建立人工神经网络作为自然语言理解过程模型的当前挑战之一是利用其高度结构化的表征几何来映射表征到脑数据。
Jan, 2023
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
研究目的是调查言语知觉的复杂机制,并最终解码在听取言语时发生的大脑电生理学变化。我们尝试使用深度学习方法从颅内脑电数据中解码听到的言语,目标是促进言语合成的脑 - 机接口技术的发展,并为言语知觉的认知过程提供额外的视角。这一方法不同于传统的言语产生焦点,而选择调查感知言语的神经表达。通过利用深度学习模型的能力,研究旨在建立这些复杂神经活动与相应言语声音之间的联系。尽管该方法尚未取得突破,但研究揭示了解码言语知觉期间神经活动的潜力。我们目前的努力可以作为基础,并且我们对拓展和改进这项工作以更接近先进的脑 - 机接口、更好地理解言语知觉过程及其与口语之间的关系的潜力持乐观态度。
Feb, 2024
本研究分析了人类阅读理解过程中的凝视方式及其对于机器阅读理解的帮助,通过收集了一个新的眼动追踪数据集,得出了阅读过程中与问题相关的文本部分会有更长的凝视时间的结论,并提出了模仿人类寻求信息的阅读行为以提高模型性能的方法,在英语阅读理解问答中获得了表现的提升。
Sep, 2020
通过使用 EEG2TEXT 方法,借助 EEG 预训练和多视图变压器,能够从脑电图信号中提取更准确的开放词汇解码,并在绝对 BLEU 和 ROUGE 得分上超过现有基线方法高达 5%,显示出高性能开放词汇脑机接口与文本系统用于促进交流的巨大潜力。
May, 2024
本研究通过采用电脑脑波数据对 ImageNet 数据集中的图像进行分类和重建,提出了一种创新的方法。该研究不仅可以从神经活动中解码图像,还能仅利用脑电波数据生成图像的可靠重建,为个性化迅速反馈实验铺平了道路。
Sep, 2023