本篇学习报告基于期刊Frontiers in Neuroscience在2022年2月刊登的文章《Microstate Detection in Naturalistic Electroencephalography Data: A Systematic Comparison of Topogra》,本文探讨了拓扑聚类策略是否会影响任务状态脑电微状态分析中微状态检测的性能,实验表明,基于单次试验的拓扑聚类可能是自然脑电图数据的微观状态分析和神经活动研究的不错选择。
新闻:斯坦福大学团队新作:脑控机器人做各类操作任务
斯坦福大学的吴佳俊和李飞飞团队近日提出的 NOIR 系统能让用户通过非侵入式脑电图装置控制机器人完成日常任务。神经信号操作智能机器人(NOIR),这是一个通用的大脑-机器人接口(BRI)系统,使人类可以通过大脑信号来命令机器人执行日常活动。通过这个接口,人们可以使用非侵入性脑电图(EEG)技术来传递他们感兴趣的目标和行动,从而与机器人进行交互。它协同集成了机器人学习算法,使NOIR能够适应用户个体并预测他们的意图。这意味着系统可以根据不同用户的需求和行为习惯进行自适应,从而提供更个性化和高效的服务。可以说,这项工作改进了人与机器人的互动方式,将传统的互动渠道替换为直接的神经通信。
出国英语杂谈
学习报告:NOIR用于日常活动的神经信号操作智能机器人
本篇学习报告基于CoRL 2023的《NOIR: Neural Signal Operated Intelligent Robots for Everyday Activities》,作者是来自斯坦福大学的Ruohan Zhang, Sharon Lee, Minjune Hwang, Ayano Hiranaka等研究人员。这篇论文提出了一种通用的智能脑-机器人接口系统 ——神经信号操作智能机器人(NOIR),这使人类能够通过大脑信号命令机器人进行日常活动,通过EEG将感兴趣的目标和行动传达给机器人,增强了人类与机器人互动的方式。
学习报告:用于情绪识别的高效神经结构搜索
本篇学习报告基于2023年8月发表于中科院一区期刊Expert Systems with Applications的论文“Efficient neural architecture search for emotion recognition”,这篇论文提出了一种基于可微结构搜索的算法EmoNAS,以通过优化的CNN模型来应对宏观和微观表情方面的挑战,并建议在搜索阶段使用的架构设计中使用统一数量的单元。实验结果表明通过EmoNAS搜索生成的模型非常轻量级和快速,且效果优于现有大多数宏观和微观表情识别模型。
【现代炼丹基础】手动梯度下降 一窥反向传播真容
新闻:脑机接口—打开数字孪生时代的钥匙
尽责任就可以了,千万不要投入一丝一毫的感情
学习报告:FGANet—混合EEG-fNIRS脑机接口的fNIRS引导注意网络
本篇学习报告基于期刊IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING在2022年2月刊登的文章《FGANet: fNIRS-Guided Attention Network for Hybrid EEG-fNIRS Brain-Computer Interfaces》,这篇论文提出了fNIRS引导的注意力网络(FGANet)作为一种基于深度学习的早期融合结构,用于对心算任务和运动想象任务进行分类,均取得良好效果。实验结果表明该框架可广泛应用于任何混合EEG-fNIRS的脑机接口。