科学家开发了一种用于选择神经接口字典的开源算法

MISIS大学信息技术和计算机科学系副教授、数学家和博士AlexandraBernadotte开发的算法可显着提高机器人设备对心理命令识别的准确性。结果是通过优化字典的选择来实现的。在机器人设备中实现的算法可用于通过嘈杂的通信通道传输信息。结果已发表在同行评审的国际科学期刊数学上。

在编译所谓的设备“字典”时，提高对象(音频、视频或电磁信号)分类准确性的任务是旨在提高人类生活质量的不同系统的开发人员所面临的。

最简单的例子是语音助手。用于远程控制视线区域中的对象的音频或视频传输设备使用一组有限的命令。同时，重要的是基于神经网络的命令分类器能够准确理解设备字典中包含的命令，并且不会混淆。这也意味着在存在外来噪声的情况下，识别准确率不应低于某个值。

选择有限的命令字典也与脑机接口(BCI)非常相关，脑机接口(BCI)用于由运动障碍患者远程控制机械臂。当一个人考虑特定命令时，该设备会感知并识别大脑电活动的模式。

困难在于这些模式对于具有相似含义或声音的单词来说是相似的。在这点上，从特定词典中对使用听觉或电磁信号的输入设备进行设计的心理或其他命令的分类是一个严重的问题。然而，16-20个命令足以控制大多数机器人设备，优先考虑的不是字典中对象的多样性，而是识别的质量。

AlexandraBernadotte在她的工作中提出的Maximin和Maximal算法允许选择一组字典对象以最大限度地提高分类的准确性，同时与蛮力算法相比，将选择命令字典的时间减少了五个数量级。

“现有的算法，通常有助于提高已创建字典的分类准确性。我的目的是优化选择字典命令本身的过程。Maximin算法在字典足够大并且您希望单词被平等识别时有效好吧，如果我们需要提高识别的准确性，则使用Maximal算法，并且选择字典的资源明显更多。

“解决问题的思路是将一组对象(编码为符号序列或视觉序列)以k-partite图的形式表示，其中图的每个partite对应于一组具有一定共同特征(等价类)图的边具有对应于Kolmogorov-Smirnov准则的值的权重，该准则是根据属于不同等价类的心理命令的n维信号分布获得的-到不同的部分。

“在该图中找到具有最大或最大总权重的集团给出了所需的命令字典，其分类精度不低于指定的字典。该算法可用于信息传输领域的不同任务，”解释说AlexandraBernadotte，博士，数学家和博士，MISIS大学信息技术与计算机科学系副教授，罗蒙诺索夫莫斯科国立大学力学与数学学院员工。

可以使用GitHub上的开源项目(github.com/aibern/maximin_k_cl...sification_algorithm)重复所提出的算法在模拟数据上的结果

下一阶段的研究将是算法应用于真实(非模拟)数据和更一般任务的理论论证。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！