代表性相似性分析用于追踪多模式设备上的触觉学习的神经相关系数

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 感官感知是一种感官感知.

背景情况:

• 可穿戴的触觉设备旨在通过交叉模式的关联式学习来实现通信.
• 神经相关性为触觉感知和学习评估提供了客观的措施.
• 代表性相似性分析 (RSA) 可以分析感官信息的神经表征.

研究的目的:

• 评估多式触觉线索的神经表现在协会训练中如何变化,使用脑电图 (EEG) 和RSA.
• 调查跨模式协同学习的初始阶段:多模式线索的感知.
• 评估EEG-RSA在追踪触觉暗示表示中的变化方面的有效性.

主要方法:

• 训练参与者将音符映射到多式触觉线索中.
• 训练前后获得的EEG数据用于构建神经表示空间.
• 将神经空间与使用RSA的理论感知和基于特征的模型进行比较.

主要成果:

• 感知模型与训练前的神经数据的相关性更好.
• 基于特征的模型显示,与训练后的神经数据的相关性更强.
• 这些发现表明,训练会提高对触觉线索的感官反应.

结论:

• EEG-RSA可以捕捉神经表示空间的变化,表明触觉学习.
• 这种方法对在触觉通信系统中客观地跟踪学习过程充满希望.
• 训练似乎完善了触觉线索的神经处理.