MétaCan
Menu
Retour à la cohorte
Enregistrement W2137635472 · doi:10.1088/1741-2560/8/4/046014

Toward development of a two-state brain–computer interface based on mental tasks

2011· article· en· W2137635472 sur OpenAlexafffund
Farhad Faradji, Rabab Ward, Gary E. Birch

Notice bibliographique

RevueJournal of Neural Engineering · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensNeil Squire SocietyUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQatar National Research Fund
Mots-clésBrain–computer interfaceComputer scienceInterface (matter)Mental stateHuman–computer interactionState (computer science)Development (topology)Cognitive psychologyPsychologyNeuroscienceOperating systemProgramming languageElectroencephalography

Résumé

récupéré en direct d'OpenAlex

A recently collected EEG dataset is analyzed and processed in order to evaluate the performance of a previously designed brain-computer interface (BCI) system. The EEG signals are collected from 29 channels distributed over the scalp. Four subjects completed three sessions each by performing four different mental tasks during each session. The BCI is designed in such a way that only one of the mental tasks can activate it. One important advantage of this BCI is its simplicity, since autoregressive modeling and quadratic discriminant analysis are used for feature extraction and classification, respectively. The autoregressive order which yields the best overall performance is obtained during a fivefold nested cross-validation process. The results are promising as the false positive rates are zero while the true positive rates are sufficiently high (67.26% average).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,266
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neural EngineeringMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207