0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

神經(jīng)網(wǎng)絡(luò)借助腦磁波,知道你在「猶豫不定」

MqC7_CAAI_1981 ? 來(lái)源:未知 ? 作者:伍文輝 ? 2018-03-28 14:06 ? 次閱讀

人工神經(jīng)網(wǎng)絡(luò),近來(lái)成為了越來(lái)越強(qiáng)大的工具。

數(shù)據(jù)分析、社會(huì)科學(xué)、機(jī)器人、腦科學(xué)的分類、預(yù)測(cè)、模式識(shí)別都開始離不開神經(jīng)網(wǎng)絡(luò)。

薩拉托夫國(guó)立技術(shù)大學(xué)研究團(tuán)隊(duì)搭建了一個(gè)神經(jīng)網(wǎng)絡(luò)用來(lái)檢測(cè)人類遲疑不決的狀態(tài)。

在神經(jīng)生物學(xué)里,這個(gè)神經(jīng)網(wǎng)絡(luò)可以分類神經(jīng)元發(fā)出的信號(hào),以及檢測(cè)出腦相關(guān)的病理活動(dòng),比方說(shuō)癲癇,還有神經(jīng)退化性疾病,帕金森和老年癡呆等。

“不過(guò),雖然說(shuō)神經(jīng)網(wǎng)絡(luò)已經(jīng)在模式識(shí)別和分類上已經(jīng)有很出色的表現(xiàn),但是要把神經(jīng)元的信號(hào)區(qū)分出來(lái)還需要做更多的工作,特別是在人猶豫不決的情況下?!笨茖W(xué)出版物 CHAOS 報(bào)道。

在這個(gè)研究里,研究團(tuán)隊(duì)會(huì)對(duì)被試進(jìn)行雙穩(wěn)態(tài)視覺刺激(bistable visual stimuli),人工神經(jīng)網(wǎng)絡(luò)可以借助腦磁波,把被試精確地按敏感程度劃分出猶豫的程度。

△雙穩(wěn)態(tài)視覺刺激:給被試看到有歧義的圖片。

“這樣一來(lái),我們就可以‘看穿’人腦了。知道人在做決定的時(shí)候有沒(méi)有處于這種不確定性的心態(tài)?!?a target="_blank">人工智能科學(xué)與教育中心主任兼神經(jīng)科技教授Alexander Khramov說(shuō)。

更厲害的是,這個(gè)網(wǎng)絡(luò)還能以準(zhǔn)確地測(cè)出一個(gè)人猶豫的時(shí)長(zhǎng)。

以往,用頻率時(shí)間分析等傳統(tǒng)的方法去確認(rèn)大腦內(nèi)部的活動(dòng)是極其困難的。但是有了神經(jīng)網(wǎng)絡(luò)之后,它能夠看到人類還無(wú)法理解的不明顯的信號(hào)特征。

這個(gè)研究工作,可以幫助研究人員創(chuàng)造一個(gè)在做復(fù)雜決策時(shí)也能夠停下來(lái)思考的智能體。當(dāng)遇到復(fù)雜環(huán)境的時(shí)候,可以進(jìn)入等待狀態(tài),并搜集更多的信息。

等以后機(jī)器人去外太空?qǐng)?zhí)行任務(wù)的時(shí)候,比方說(shuō)在火星上遇到了不知道咋辦的環(huán)境條件時(shí),需要請(qǐng)求地球上人類的幫助,由人類完成一些復(fù)雜的操作。那這個(gè)時(shí)候,即使識(shí)別出機(jī)器人的猶豫,向地球發(fā)送求助指令就很重要。

另外,這個(gè)神經(jīng)網(wǎng)絡(luò)也可以在測(cè)試和訓(xùn)練人的認(rèn)知能力的過(guò)程中用到。

像是飛行員、司機(jī)、營(yíng)救專家、軍人或運(yùn)動(dòng)員等很多高壓職業(yè),他們的工作環(huán)境里很多關(guān)鍵決策是不能等的。那么當(dāng)這個(gè)神經(jīng)網(wǎng)絡(luò)識(shí)別到人處于猶豫狀態(tài)的時(shí)候,就可以馬上向外界請(qǐng)求支持或由更高的系統(tǒng)接管,減少災(zāi)難的發(fā)生。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:讀取腦磁波,神經(jīng)網(wǎng)絡(luò)知道你在「猶豫不定」

文章出處:【微信號(hào):CAAI-1981,微信公眾號(hào):中國(guó)人工智能學(xué)會(huì)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是兩種人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?588次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來(lái)發(fā)展等多個(gè)方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?391次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    : 循環(huán)神經(jīng)網(wǎng)絡(luò)的基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù),具有記憶功能。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同,循環(huán)神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-05 09:52 ?385次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù),如時(shí)間序列、文本、語(yǔ)音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同,遞歸
    的頭像 發(fā)表于 07-04 14:54 ?454次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    結(jié)構(gòu)。它們處理不同類型的數(shù)據(jù)和解決不同問(wèn)題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?516次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡(jiǎn)稱RNN)和遞歸神經(jīng)網(wǎng)絡(luò)(Recursive Neural Network,簡(jiǎn)稱RvNN)是深度學(xué)習(xí)中兩種重要的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它們
    的頭像 發(fā)表于 07-04 14:19 ?429次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需
    的頭像 發(fā)表于 07-04 13:20 ?338次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks, RNN)是兩種極其重要
    的頭像 發(fā)表于 07-03 16:12 ?978次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)許多領(lǐng)域都有廣泛的應(yīng)用,如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問(wèn)題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問(wèn)題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?371次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:14 ?378次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們
    的頭像 發(fā)表于 07-03 10:12 ?527次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們結(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個(gè)方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦
    的頭像 發(fā)表于 07-02 14:24 ?1037次閱讀

    神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類能力,為圖像識(shí)別帶來(lái)了革命性的進(jìn)步。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-01 14:19 ?412次閱讀

    基于毫米雷達(dá)的手勢(shì)識(shí)別神經(jīng)網(wǎng)絡(luò)

    預(yù)處理后的信號(hào)輸入卷積神經(jīng)網(wǎng)絡(luò)時(shí)域卷積網(wǎng)絡(luò)(CNNTCN)模型,提取時(shí)空特征,并通過(guò)分類評(píng)估識(shí)別性能。實(shí)驗(yàn)結(jié)果表明,該方法特定領(lǐng)域的識(shí)別中實(shí)現(xiàn)了98.2%的準(zhǔn)確率,并在不同的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 05-23 12:12

    詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

    如今的網(wǎng)絡(luò)時(shí)代,錯(cuò)綜復(fù)雜的大數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境,讓傳統(tǒng)信息處理理論、人工智能與人工神經(jīng)網(wǎng)絡(luò)都面臨巨大的挑戰(zhàn)。近些年,深度學(xué)習(xí)逐漸走進(jìn)人們的視線,通過(guò)深度學(xué)習(xí)解決若干問(wèn)題的案例越來(lái)越多。一
    的頭像 發(fā)表于 01-11 10:51 ?1610次閱讀
    詳解深度學(xué)習(xí)、<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>與卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的應(yīng)用