新方法使用 GAN 生成的脑电图数据对认知能量进行建模

研究人员开发了一种使用脑电图 (EEG) 数据和带梯度惩罚的 Wasserstein GAN (WGAN-GP) 对认知能量消耗进行建模的新颖方法。该方法利用薛定谔桥问题 (SBP) 来量化大脑状态之间转换的能量成本。研究表明，WGAN-GP 生成的合成脑电图数据保留了这种基于能量的建模所需的动力学结构，与 Stroop 任务的真实脑电图数据高度一致。然后，这种认知能量指标可以用作神经自适应人机系统的控制信号，从而能够根据用户的认知和情感状态进行实时调整。 AI

影响 通过使用 GAN 生成的脑电图数据进行认知能量建模，从而实现更高效的神经自适应系统。

排序理由 这是一篇研究论文，详细介绍了使用脑电图和 GAN 进行认知能量建模的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• electroencephalography
• Gans
• Schrödinger bridge problem
• systolic blood pressure
• Vaibhav Gollapalli
• WGAN-GP

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →