基于强化学习的脑机接口自适应分类

Scidown文献预览系统！

作者：scidown 发布时间：2021-06-29 00:12:30 文章标题：

基于强化学习的脑机接口自适应分类( Adaptive Classification for Brain-Machine Interface with Reinforcement Learning )

文章作者：

S Matsuzaki Y Shiina Y Wada Brain-machine interface Event-related potential P300 speller

文章简述：

摘要：脑机接口(BMI)是一种使用大脑活动与基于计算机的设备交互的接口。我们介绍了一个使用脑电图(EEG)和强化学习方法的BMI系统，其中事件相关电位(ERP)代表反映BMI操作失败或成功的奖赏。在实验中，在P300拼写者任务中增加了评估过程，即被试计算拼写者估计错误字符的次数。结果表明，观察错误输出的受试者诱发了ERP。使用支持向量机(SVM)将数据分为两类进行估计。总的分类准确率约为58%。并用强化学习方法进行了仿真。结果表明，通过优化支持向量机的组成参数，学习过程可以提高支持向量机的判别精度。

文章下载地址（开放版）：