WIMI ホログラム (NASDAQ: WIMI) は、ブレイン コンピューター インターフェイスに基づいた BCI ゲーム モデルとパラダイムを開発

2023-05-15 10:48:43 著者:ソン・ジュンイ

近年のブレイン コンピューター インターフェイス (BCI) テクノロジーの急速な発展に伴い、科学研究者らはブレイン コンピューター インターフェイス (BCI) テクノロジーをエンターテインメント ゲームに統合して詳細な研究を行っています。ブレイン・コンピューター・インターフェース (BCI) BCI) テクノロジーもエンターテイメントの一種になる可能性があります。現在、BCI ゲームのほとんどは、操作性の悪さや疲れやすさなどの問題により、広く普及することができません。過去数年にわたり、多数の研究が実施され、ゲーム インタラクションにおける BCI テクノロジーの人気が高まっていることが実証されています。以前の研究における BCI ゲームの中で、EEG (EEG) 信号を使用する最も一般的なゲームは、P300 電位、定常状態視覚誘発電位 (SSVEP)、および運動イメージ (MI) でした。 P300 は安定しているため疲労しにくく、ユーザーに特別なトレーニングは必要ありません。したがって、WIMI ホログラム (NASDAQ: WIMI) は、P300 ブレイン コンピューター インターフェイスを使用してゲーム モデルを設計し、実現可能で自然なゲーム実行エクスペリエンスを実現するために、実際の環境での脳波 (EEG) 信号の使用を検討します。

WIMI ホログラムの研究革新は、BCI ゲームとパラダイム設計の統合、ゲーム ルールと BCI システムの特性の統合にあります。畳み込みニューラル ネットワーク (CNN) アルゴリズムの導入により、サンプルのトレーニングで高い精度を達成できます。 BCIシステムは単なるエンターテイメントではなく、ゲーム運営の多様性を高めます。

過去 10 年間で、ディープ ラーニングは、コンピューター ビジョン、自然言語処理、音声処理などの多くの分野で急速に発展しました。画像分類において、研究者たちは高精度を達成するいくつかの新しいディープアーキテクチャを提案しました。近年、畳み込みニューラル ネットワーク (CNN) が P300 の検出に使用されており、CNN を使用して P300 EEG 信号を識別および分類すると、良好な結果が得られます。モデルの汎化能力を向上させるために、最先端の P300 信号分類と文字認識が実装されています。小さなデータセットでは過学習が発生するため、非線形データをトレーニングするには大きなデータセットを使用する必要がありますが、現時点では CNN が非常に適しています。しかし、実際のアプリケーションにおいて大量の学習データを収集することは非常に困難です。そこで、小規模なトレーニング データセット上で最先端の P300 信号分類と文字認識を実現する畳み込みニューラル ネットワーク (CNN) に基づく新しいアーキテクチャを提案します。

WIMI ホログラム (NASDAQ:WIMI) は、CNN に基づいて P300 BCI ゲーム モデルを設計し、小さなデータ セットでトレーニングする際の過剰適合問題を解決するためのベイズ深層学習に基づくアルゴリズムを提案しました。 P300 ベースの BCI ゲーム モデルを適切に適用し、オンライン BCI システムの深層学習アルゴリズムへの適用可能性を実証することで結論が導き出されます。

WIMI ホログラムは、CNN BCI ゲーム モデル システム フレームワークに基づいており、データ収集部分、データ処理部分、ビジュアルおよびゲーム端末という 3 つのサブシステムが含まれています。データ収集部分では、電極キャップとアンプを使用してマルチチャネル頭皮脳波信号が記録されます。信号が前処理された後、データ処理プロセスは、オフライン トレーニングとオンライン分類テストの 2 つのステップに分割できます。最後に、分類結果は操作コマンドに変換され、映像端末やゲーム端末に送信されます。視覚およびゲーム端末は、(1) 刺激戦略が更新された後にユーザーに視覚刺激を提供する、および (2) ユーザーに視覚フィードバック (出力座標) を提供する、という 2 つのサブステップで構成されます。

EGG データの収集と前処理

WIMI ホログラムは、32 チャネルのコンデンサとアンプを使用して CNN BCI ゲーム モデルに基づいており、EEG データを非侵襲的に記録し、1000 Hz でデジタル化され、50 Hz ノッチ フィルターを使用してフィルター処理されます。すべての電極データを収集します。フィルタリングによるエッジ効果の影響を軽減するために、記録されたデータは最初にフィルタリングされます。バンドパス フィルターを使用して各チャネルの EEG 信号を処理し、刺激トリガー後に P300 信号の重要な情報を抽出できます。次に、データはダウンサンプリングされます。同じ文字のデータ行列は積み重ねられ、平均化されて信号対雑音比が低減されます。

CNN アーキテクチャ

WIMI WIMI ホログラム CNN BCI ゲーム モデルに基づいて BCI 信号を前処理した後、データ処理部分はオフライン トレーニングとオンライン分類の 2 つのステップに分割できます。 CNN は、バックプロパゲーションの重みをサンプリングできるニューラル ネットワークの重みの事後分布を学習するために使用される変分推論手法であるベイジアン バックプロパゲーションに基づいています。たとえば、各重みパラメータをガウス分布でモデル化すると、元の重み値はガウス分布の平均と標準偏差として表すことができます。次に、変分推論を介して事後計算が計算されます。

CNN の畳み込み層は、畳み込み演算の重み値を持つ畳み込みカーネルを使用する必要があります。コンボリューション カーネルの各重みパラメータはガウス分布の形式で表現されます。特定の重み値を取得するには、サンプリングにガウス分布を使用する必要があります。したがって、サンプリング プロセスでは、高度なパラメータ化テクノロジを使用してサンプリング プロセスを前面に置き、ネットワークの順伝播が導関数となり、重みが逆伝播プロセス中に更新されます。コンボリューションカーネルは、コンボリューションカーネルの重み分布から特定の重み値を抽出することによって生成され、その後、受容野上でコンボリューション演算が実行されます。

ブレイン コンピューター インターフェイス (BCI) は、人と周囲の間にコミュニケーション パスを確立できる、従来とは異なる通信方法です。当初、BCI テクノロジーは、コマンドを送信することで患者の回復と相互作用を支援するために臨床現場で使用されました。脳からコンピュータに直接接続され、外界と対話する能力。現在、臨床応用に加えて、BCI テクノロジは実験され、エンターテインメント ゲームにも適用されています。BCI テクノロジは、ゲームの入力を提供するためによく使用され、それによって中間デバイス (マウス、キーボード、ゲームパッド、ゲーム コントローラ) への依存を排除​​します。 WIMI は CNN BCI ゲーム モデルに基づいており、健康なユーザーと障害のあるユーザーの両方の興味を満たすことができるプラットフォームを形成しています。健全なユーザーにとって、BCI ゲームはテクノロジーと謎に満ちており、それがゲームの魅力を高め、ゲームの宣伝に役立ちます。 BCI ゲームは障害のあるユーザーに対して、健康なユーザーと同じようにゲームをプレイできる公平なゲーム プラットフォームを提供するだけでなく、患者のリハビリテーション トレーニングを支援する機能的リハビリテーション システムとしても機能します。 BCI テクノロジーをエンターテインメント ゲームに応用することは、BCI テクノロジーを科学研究段階から実用市場段階に押し上げるための重要なステップです。

以上がWIMI ホログラム (NASDAQ: WIMI) は、ブレイン コンピューター インターフェイスに基づいた BCI ゲーム モデルとパラダイムを開発の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。