预测基于EEG的催眠时间估计,使用支持矢量机算法的非线性内核.
Hoda Taghilou1, Mazaher Rezaei2, Alireza Valizadeh3,4
1Department of Cognitive Neuroscience, Faculty of Education and Psychology, University of Tabriz, Tabriz, Iran.
Cognitive neurodynamics
|December 23, 2024
概括
研究人员使用催眠和脑电图 (EEG) 来研究时间感知. 人工智能从大脑活动中准确预测了时间估计,通过支持向量机 (SVM) 模型实现了80.9%的准确性.
科学领域:
- 认知神经科学 认知神经科学
- 时间感知的神经科学
- 神经科学中的人工智能
背景情况:
- 准确的时间感知对于日常运作和心理健康至关重要.
- 将时间感知与情绪等其他认知过程区分开来是一个重大的研究挑战.
- 脑电图 (EEG) 提供了一种测量与认知功能相关的大脑活动的方法.
研究的目的:
- 研究催眠对时间估计的影响.
- 开发和评估人工智能 (AI) 模型,用于从EEG数据中预测时间感知.
- 识别大脑活动模式,表明时间低估和高估.
主要方法:
- 一个实验设计,结合了催眠和EEG记录.
- 利用催眠来减轻认知负载和隔离时间感知.
- 采用带有射线基函数 (RBF) 和多项式内核的支持向量机 (SVM) 来进行模式分类.
- 分析各种特征组合和算法,以获得最佳的预测准确度.
主要成果:
- 催眠被用来调节意识和简化在时间估计任务期间的认知处理.
- 人工智能模型,特别是带有RBF内核的SVM,在分类时间感知方面表现出高准确性.
- 通过EEG数据预测时间感知,获得了令人印象深刻的80.9%的分类准确度.
结论:
- 人工智能,特别是带有RBF内核的SVM,在解码与时间感知相关的大脑活动方面显示出显著的潜力.
- 这项研究突出了结合催眠和人工智能的新方法,以了解时间估计的神经基础.
- 这些发现为进一步研究时间感知神经生物学及其临床影响开辟了道路.
