基于共同学习的脑电电脑界面有助于头像比赛中的四困难

脑机接口(bci)被认为是一种潜在的方法，通过这种方法，身体严重受损的人可以重新控制他们的环境，但建立这样一个接口并不是微不足道的。在开放访问期刊中可以10 5月10日公共科学图书馆生物学瑞士日内瓦ÉcolePolytechniqueFédéraleDauusanne的一组研究人员表示，让人类适应机器可以提高其在脑电脑界面上的性能。在Cybathlon阿凡达比赛中竞争的四轮学科训练的研究表明，当允许人类和机器学习时，可能会发生最大的计算机增强性能的改善。

使用大脑中的电活动来控制物体的BCIS，已经看到脊髓损伤的人们越来越多，用于通信（通过控制键盘），移动性（通过控制动力轮椅）和日常活动（通过控制机械臂或其他机器人设备）。

通常,电活动使用非侵入性脑电图电极在颅骨表面的一个或多个点进行检测，并通过计算机程序输入，随着时间的推移，通过学习提高其反应能力和准确性。

由于机器学习算法变得更快，更强大，研究人员在很大程度上专注于通过识别最佳模式识别识别算法来增加解码性能。作者假设如果操作员和机器都从事学习其相互任务，则可以改善性能。

为了测试这一假设，作者旨在使用旨在检测多个的BCI系统进行训练脑波模式。培训发生了几个月，最终在一个叫做Cybathlon的国际竞争中，他们与其他十名队伍竞争。“每个参与者都控制了一个多件赛中的屏幕头像，需要掌握旋转，跳跃，滑动和行走的单独命令，而不会绊倒。两个科目在比赛中总体上总体三次标记为最佳三次，其中一个人在其中一个胜利金牌和另一个持有锦标赛记录

在训练期间对象的脑电图记录显示它们适应了与想象的运动相关的正常脑波模式，称为感觉电流节奏，控制化身，并且这些模式随着时间的推移变得更强烈，表明受试者正在学习如何更好地控制BCI在培训期间。虽然某种程度的学习可能发生在最简单的BCIS，但是，当作者相信他们通过电脑不经常重新校准，让人类更好地学习如何控制最有效的感觉电流节奏的时间最大化唤起所需的头像运动。提交人提出，在准备竞争方面的培训也可能有助于更快地学习。

“这项研究是为数不多的在BCI训练中提供关于学科学习效果的多方面证据的研究之一，”作者说。“与专注于BCI的机器学习方面的流行趋势相反培训，全面的相互学习方法可以强烈促进收购BCI技能。“

---

---