韩国政府资助的基于BCI的大脑和认知技术的开发，用于通过深度学习识别用户的意图

更多技术干货第一时间送达

该项目由韩国政府资助的信息与通信技术规划与评估研究所(IITP)资助(No. 2017-0-00451，基于BCI的大脑和认知技术的开发，用于通过深度学习识别用户的意图)

网址：http://deepbci.korea.ac.kr/

项目名称

基于BCI的大脑认知计算技术的开发，该技术可通过深度学习读取人类的思想

概述

  • 基于BCI的大脑认知计算技术是一种通过对结构/功能复杂的大脑认知信息进行实时检测和识别来理解并执行用户意图的技术，并且是人类便利和丰富生活的未来核心技术

  • 尽管一直在强调上述技术的经济波纹力和使用该技术的必要性，但是该技术的可靠性低，因此难以在现实环境中应用。

  • 对于可以在现实环境中稳定使用的无创BCI技术，我们开发了一种基于深度学习的深度认知计算的核心技术，以反映用户大脑认知状态的变化，并最大限度地提高用户意图识别的性能。

必要性

  • 政府支持的必要性：基于BCI的大脑认知计算技术是引发所有行业创新的第四次智能行业革命的核心技术，因此有必要在政府层面支持政策和研发投资，以便为下一代增长引擎奠定基础。

  • 技术：对基于BCI的非侵入式大脑认知计算的核心源技术的需求日益增长，以解决由于现实环境中的内部/外部因素而导致用户意图识别性能下降的问题

  • 为了提高基于BCI的非侵入性大脑认知计算技术的可靠性，需要一种能够通过集成各种信息来智能识别用户意图的基于深度学习的核心源技术。

  • 经济学：使用脑认知计算的人工智能技术的全球和国内市场规模预计将爆炸式增长。

    根据IDC的数据，全球脑认知计算AI市场预计将从2016年的约80亿美元增长到2020年的约470亿美元，年均增长率为1％（国际数据公司，《全球半年度认知/人工智能系统支出指南》，2016年）

研究目标

  • 最终目标：基于深度学习的无创BCI核心，可以解决内部/外部噪声因素导致的性能下降，并识别高性能/高可靠性实时用户意图，以便在现实环境中稳定使用基于BCI的大脑认知计算技术原创技术的发展

  • 年度发展目标

研究内容

  1. 基于深度学习的智能BCI核心源技术开发能够在考虑用户周围环境和情况的情况下实现高性能意图识别

    a.基于深度学习的最佳特征提取技术的开发，该技术可以同时考虑脑信号的时间，空间和频率信息

    b.深度学习技术的发展，该技术通过根据实时测量的大脑信号估计意图时间来自动检测仅包含用户意图的大脑信号

    c.基于深度学习并考虑提取的脑信号特征和上下文信息的上下文自适应用户意图识别技术的开发

  2. 开发移动BCI技术，可在室内移动环境中实现高性能的用户意图识别

    a.集成噪声处理技术的开发，可稳定地校正室内环境中产生的各种外部因素（声音，光线，身体运动等）导致的大脑信号失真

    b.基于深度学习的脑信号特征提取和识别技术的开发，可抵抗用户移动产生的噪声

  3. 基于多模式脑信号的脑认知状态估计和用户自定义BCI技术开发，可确保稳定的意图识别性能

    a.基于脑信号的生物标志物技术的开发，该技术可以使用脑刺激来准确估计意识状态（觉醒，无意识，嗜睡等）

    b.使用多模式（EEG，fNIRS等）脑信号和生物信号（心率，眼球传导等）的基于深度学习的实时意识状态估计技术的开发

    c.基于多模式脑信号融合的用户定制BCI技术的发展，考虑到用户的各种脑信号模式，该稳定的意图识别得以实现

  4. 零训练BCI技术的基于深度学习的脑信号分析核心源技术开发

    a.BCI框架的开发，该框架构成了基于深度学习的脑信号特征表达，转换和学习周期

    b.基于预先构建的深度学习模型，它可以识别用户的意图并使用结果开发基于机器学习的BCI技术，该技术可以不断改进模型

    c.BCI文盲自动识别技术和脑信号表达训练技术的发展

  5. 数据库和库，用于推广BCI技术并创建开发人员生态系统

    a.BCI研究人员共同使用的大型非侵入性脑信号数据库的构建

    b.BCI技术开发人员之间技术合作的数据库和软件库

https://github.com/DeepBCI

  • Intelligent_BCI

    1.BCI的领域对抗性NN

    2.基于EEG的元 RL分类器

    3.基于GRU的大型脑电分类器

    4.基于LSTM的运动意图解码器

    5.元RL上下文数据提取

    6.脑电DNN分类器的RL Gate

    7.基于RNN的脑电分类

    8.BCI的半监督式生成性和区分性对抗性学习

    9.脑电时空时空RCNN

  • Ambulatory_BCI

1.使用旋转矩阵优化相关性

2.CSP的频率最佳权重滤波器

3.基于EEG的MI分类的频率优化局部CSP

4.跨通道区域CSP MI分类

5.本地生成的CSP MI分类

6.旋转通道相关MI分类

  • Cognitive BCI

1.fNIRS降噪KalmanFilter程序的算法

2.基于TMSEEG的脑网络分析

3.基于双耳节拍和ASMR触发的脑电波训练程序

4.使用Psychotoolbox的工作记忆程序的认知任务

5.解码BCI任务程序

6.使用ERP检测认知状态

7.脑电认证程序

8.心电图测量和监测程序

9.FES介绍计划

10.运动噪音检测程序

11.NIRS血流动力学指标

12.PPG测量和监控程序

13.便携式NIRS设备收发器

14.各种触觉刺激控制程序

  • Zero_training_BCI

    1.基于ERP的BCI零训练算法

    2.基于ML的MI分析

    3.BCI的PAC统计信息

    4.基于重复SSVEP的实时分析

赞 (0)

相关推荐