来自日本的一组研究人员提出了一种机器学习模型，用于从用户的简档中高精度地推断用户的大脑模型，同时使用特征选择方法优化所需的信息内容。信用:Pixabay我们都喜欢认为我们最了解自己，但是考虑到我们的大脑活动很大程度上是由我们的潜意识控制的，很可能是我们的大脑更了解我们。虽然这只是一个假设，但日本的研究人员已经提出了一个内容推荐系统，假设这是真的。本质上，这种系统利用了用户在接触特定内容时的大脑信号(例如，使用核磁共振扫描获得的信号)，并最终通过探索不同的用户和内容，建立了大脑活动的通用模型。“一旦我们获得了‘终极’大脑模型，我们就应该能够完美地估计接触特定内容的人的大脑活动，”来自日本Shibaura理工学院的Shinkuma ryichi教授说，他是提出这个想法的团队的一员。“这可能会在商业领域提供强大的解决方案，例如降低定向广告的成本。”
然而，一开始就有一个主要的缺点:获取核磁共振扫描很昂贵。典型的脑部扫描将涉及核磁共振成像的部署和维护成本、专家的人工成本以及大量参与者的招聘成本。面对这一挑战，新谷教授和他的团队想出了一个巧妙的解决方案:利用人的侧面信息来推断他们的大脑模型。
在发表在《IEEE系统、人和控制论:系统事务》杂志上的一项新研究中，该团队提出了一个方案，试图减轻与从简档信息推断大脑模型相关的性能和获取该信息的成本之间的权衡。“我们的方案利用机器学习(ML)来创建一个基于轮廓模型推理的大脑模型，”Shinkuma教授解释道。“为了降低信息收集的成本，我们利用ML的特征选择能力，通过估计每个项目对推理性能的贡献程度来缩小问卷项目的数量。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
