First steps towards quantum machine learning applied to the classification of event-related potentials

https://arxiv.org/pdf/2302.02648 2023-02-06

1.标题：First steps towards quantum machine learning applied to the classification of event-related potentials（初步探索应用于事件相关电位分类的量子机器学习方法）

2.作者：Grégoire Cattan, Alexandre Quemy, Anton Andreev

3.所属单位：IBM Software, Data and AI; Faculty of Computer Sciences, Poznan University of Technology; GIPSA-lab, CNRS, University Grenoble-Alpes, Grenoble INP

4.关键字：Electroencephalography (EEG), Brain-Computer Interface (BCI), Event-Related Potential (ERP), P300, Classification, Supervised learning, Quantum Computer, Support Vector Machine (SVM)

5.网址：https://arxiv.org/pdf/2302.02648，GitHub：None

 

6.总结：

(1) 本文的研究背景是探索在事件相关电位分类中应用量子机器学习方法。

(2) 过去的方法包括分析判别、支持向量分类、神经网络等，但存在分类准确性不高的问题。本文的动机是利用量子机器学习的优势来提高分类器性能。

(3) 本文提出了使用量子增强的支持向量分类器（QSVC）进行事件相关电位分类的方法，并使用Qiskit库实现QSVC，并通过配置和优化QSVC来提高分类准确性。

(4) 本文的方法在训练阶段表现出83.17%的平衡准确率，但在预测阶段的准确率较低。需要进一步的研究来提高分类准确性，例如增加实验次数等。虽然QSVC表现出一定的学习能力，但仍需要进一步改进以实现更高的预测性能。

7.结论：

(1) 本文的意义在于初步探索了在事件相关电位分类中应用量子机器学习方法的潜力，为脑-机接口技术的进一步发展提供了新的思路。

(2) 创新点：本文提出了使用量子增强的支持向量分类器（QSVC）进行事件相关电位分类的方法，利用量子机器学习的优势来提高分类器性能。

性能表现：QSVC在训练阶段表现出83.17%的平衡准确率，但在预测阶段的准确率较低，需要进一步改进。

工作量：本文使用Qiskit库实现QSVC，并进行了配置和优化的工作。

Assistive Robot Teleoperation Using Behavior Trees

https://arxiv.org/pdf/2303.05177 2023-03-19

1.标题：Assistive Robot Teleoperation Using Behavior Trees（使用行为树进行辅助机器人远程操作）

2.作者：Mohamed Behery, Minh Trinh, Christian Brecher, and Gerhard Lakemeyer

3.所属单位：Mohamed Behery - 知识库系统组，RWTH Aachen University，德国亚琛 Minh Trinh - 机械车床和生产工程实验室，RWTH Aachen University，德国亚琛 Christian Brecher - 机械车床和生产工程实验室，RWTH Aachen University，德国亚琛 Gerhard Lakemeyer - 知识库系统组，RWTH Aachen University，德国亚琛

4.关键词: Shared Autonomy Control, Robot Teleoperation, Behavior Trees, Assistive Robotics（共享自主控制，机器人远程操作，行为树，辅助机器人）

5.网址：https://arxiv.org/pdf/2303.05177

 

6.论文总结：

(1): 本文的研究背景是探讨如何通过行为树来实现机器人的辅助远程操作。该问题旨在帮助用户在控制机器人运动的同时，遵循预定路径并避开障碍物。

(2): 过去的方法主要集中在提高远程操作的可用性、机器人轨迹的直观性、直接控制和共享自主之间的无缝过渡以及与整体控制的整合。然而，现有方法在创建新动作或修改现有动作时存在可扩展性方面的问题。

(3): 本文提出了一种新的框架，通过使用行为树来定义机器人的远程操作动作。为了实现这一目标，行为树被增加了共享控制行为节点，用于引导用户在轨迹上输入，并促使和确保任务的执行。

(4): 本文的方法实现了机器人的日常生活活动，通过行为树的易读性和模块化性，用户可以使用简单的接口定义新的活动。该方法在支持任务目标方面表现出良好的性能。

7.结论：

(1): 本文意在探讨使用行为树来实现辅助机器人远程操作的方法。通过引入共享控制行为节点，该方法能提升用户对机器人的控制性和整体任务执行的效率。

(2): 创新点：本文通过引入行为树来定义机器人的远程操作动作，以提高易读性和模块化性。性能表现：该方法在支持任务目标方面表现出良好的性能，用户可以通过简单的接口定义新的活动。工作量：本文的方法具有可扩展性，并能轻松创建新动作或修改现有动作。

(3): 本文的意义在于为辅助机器人远程操作领域提供了一种新的解决方案，并改善了尚存在的可扩展性问题。这种方法有望在实际应用中提供更好的用户体验和操作效果。

LMDA-Net:A lightweight multi-dimensional attention network for general EEG-based brain-computer interface paradigms and interpretability

https://arxiv.org/pdf/2303.16407 2023-03-28

1.标题：LMDA-Net: 一种轻量级多维注意力网络，用于通用的基于脑电图的脑机接口范例和可解释性

2.作者：Zhengqing Miao, Xin Zhang, Meirong Zhao, Dong Ming

3.所属单位：天津大学精密仪器与光电子工程学院, 天津大学神经工程与康复学实验室

4.关键字：attention, brain-computer interface (BCI), electroencephalography (EEG), model interpretability, neural networks

5.网址：https://arxiv.org/pdf/2303.16407

 

6.总结：

- (1)研究背景：脑电图（EEG）是一种低空间分辨率和信噪比的脑机接口(BCI)技术，解码过程中存在挑战。

- (2)过去的方法：过去的方法通常使用先前的神经科学知识生成定量的EEG特征，但这可能限制了BCI性能。神经网络方法可以有效地提取特征，但常常面临跨数据集的泛化差、预测波动性高和模型可解释性低的问题。本文提出的方法旨在解决这些问题。

- (3)本文提出的方法：本文提出了一种名为LMDA-Net的轻量级多维注意力网络，通过特定设计的两个注意力模块（通道注意力模块和深度注意力模块）有效地整合多个维度的特征，提高了各种BCI任务的分类性能。

- (4)论文的贡献：LMDA-Net在包括运动想象和P300-Speller范例等四个高影响力公共数据集上进行了评估，并与其他代表性模型进行了比较。实验结果表明，在300个训练周期内，LMDA-Net在所有数据集中取得了最高的准确率，优于其他代表性方法。消融实验进一步证实了通道注意力模块和深度注意力模块的有效性。此外，为了深入理解LMDA-Net提取的特征，本文提出了适用于事件相关电位(ERPs)和事件相关去/同步(ERD/ERS)的类别特定神经网络特征解释算法。通过将MDA-Net的特定层的输出通过类别激活图映射到时间或空间域，得到的特征可视化可以提供可解释性分析，并与神经科学中的EEG时间-空间分析建立连接。总体而言，LMDA-Net作为各种EEG任务的通用在线译码模型具有巨大潜力。

7.结论：

(1) 本文的意义在于提出了一种名为LMDA-Net的轻量级多维注意力网络，用于处理基于脑电图的脑机接口范例。该网络通过引入特定设计的通道注意力模块和深度注意力模块，有效地提取特征和整合高维特征，从而提高了各种脑机接口任务的分类性能。此外，本文还提出了用于解释网络行为的算法，可视化了提取的特征，与脑电图时间-空间分析相结合，为脑机接口的可解释性提供了新的方向。

(2) 创新点：LMDA-Net引入了轻量级的多维注意力网络，通过通道注意力模块和深度注意力模块的协同作用，有效地提取和整合高维特征，提高了脑机接口任务的分类性能。同时，为了解决网络的可解释性问题，本文还提出了新的神经网络可视化算法，将特征映射到时间或空间域，提供可解释性分析。性能表现：实验结果表明，LMDA-Net在四个公共数据集上具有最高的分类准确率，而且波动性较低，相比其他代表性方法具有更好的泛化性能。工作量：本文对不同算法进行了详尽的对比实验，并在不同数据集上进行了深入的分析，证明了LMDA-Net的效果和可行性，工作量较为充分和全面。

 

 

参考文献

[1]Cattan, Grégoire Hugues et al. “First steps towards quantum machine learning applied to the classification of event-related potentials.”ArXivabs/2302.02648 (2023): n. pag.

[2]Behery, Mohamed H. et al. “Assistive Robot Teleoperation Using Behavior Trees.”ArXivabs/2303.05177 (2023): n. pag.

[3]Miao, Zhengqing et al. “LMDA-Net: A lightweight multi-dimensional attention network for general EEG-based brain-computer interface paradigms and interpretability.”ArXivabs/2303.16407 (2023): n. pag.

 

创作声明：包含 AI 辅助创作