为学习速率，n为 迭代次数，e为实际输出与期望输出的误差。
[0091] S02:初始化
[0092] 给权值向量W(l)的各个分量赋一个较小的随机非零值，置n= 1。
[0093] S03 :输入一组样本x(n) = [Lxjn)，x2(n)，…xm(n)]，并给出它的期望输出d(n)。
[0094] S04 :计算实际输出：
[0095]
[0096] S05 :求出期望输出和实际输出，求方差e=d(n)_y(n)
[0097] 根据误差判断目前输出是否满足条件，一般为对所有样本误差为零或者均小于预 设的值，写算法结束，否则将值增加1，并用下式调整权值；
[0098] w(n+1) =w(n) +n[d(n)-y(n) ]x(n)
[0099] 然后转到S03,进入下一轮计算过程。
[0100] 根据感知器模型算法，将已知效度的刺激信息样本输入感知器算法模型，使感知 器算法模型学习计算刺激信息的效度值，并且学习对效度的等级分类。然后向感知器算法 模型中输入多个刺激信息，由感知器计算模型计算重新输入的刺激信息的效度并划分出效 度的等级。
[0101] 根据一个优选实施方式，使用神经网络模型统计刺激信息的效度等级。
[0102] 神经网络（NeuralNetworks，NN)是由大量的、简单的处理单元（称为神经元）广 泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复 杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应 和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问 题。
[0103] 学习是神经网络一种最重要也最令人注目的特点。在神经网络的发展进程中，学 习算法的研究有着十分重要的地位。目前，人们所提出的神经网络模型都是和学习算法相 应的。在神经网络中，对外部环境提供的模式样本进行学习训练，并能存储这种模式，则称 为感知器。对外部环境有适应能力，能自动提取外部环境变化特征，则称为认知器。神经网 络在学习中，一般分为有教师和无教师学习两种。感知器采用有教师信号进行学习，而认知 器则采用无教师信号学习的。
[0104] 向神经网络模型输入效度确定的刺激信息样本，使神经网络模型学习如何根据各 个计算节点不断通过学习修改各个因素的权值，从而学习如何计算效度，并对效度分等级。 影响效度计算的因素包括人工误差，系统误差，背景误差、生理误差等因素。在神经网络模 型学会计算刺激信息的效度且计算稳定后，固定各个因素的权值。然后计算每个认知维度 的多个刺激信息的效度。根据效度值将刺激信息分为至少两个等级。
[0105] 利用最小二乘法模型、感知器算法模型、Boost方法模型、隐马尔可夫模型、高斯混 合模型、神经网络模型和/或深度学习模型统计测试不同种群、不同文化背景、不同年龄、 不同血型、不同性别的样本人员的刺激信息的效度系数。选择测试每种样本人员的效度都 偏高的刺激信息作为测试刺激信息。
[0106] 将刺激信息按照所测试的认知维度的类型合理排序，进行预编制。排序的方式至 少一种。刺激信息的排序为多种测试效果相同的不同序列的排序，从而便于测试人员在正 常状态下根据个人兴趣选择测试认知维度的顺序。
[0107] 在刺激信息排序完成后，将预编制刺激信息用于普通测试人员的认知能力值测 试。并且测试人员的测试得分与有效的样本人员在统计模型的得分进行比较从而确认测试 人员的每一个认知维度的得分分布情况。
[0108] 同时，为了防止测试人员由于态度不认真而反馈虚假的信息，导致测试结果不准 确。本发明的刺激编制方法还包括在测试过程中采集测试人员的生理信息和辨别其心理状 态。本发明在测试过程中可以根据测试人员的生理信息和/或心理状态动态编入测谎刺激 信息和/或反向刺激信息以测试测试人员的信度。
[0109] 测谎刺激信息可以呈现为"我有时会想见不得人的事。"，并要求测试人员反馈是 否符合自己的情况。若测试人员反馈的信息为非常不符合，则测试人员是不诚实的。
[0110] 测谎刺激信息还包括同时呈现正向和反向刺激信息。
[0111] 例如：首先呈现正向刺激信息"面对逆境我也会勇往直前"。测试人员的反馈信息 为非常符合自己的情况。然后呈现反向刺激信息"在没有十足把握的情况下，我从不冒险"。 若测试人员的反馈信息为非常不符合自己的情况，回答诚实，如果测试人员的反馈信息为 非常符合自己的情况，那么测试人员就是不诚实的。若发现测试人员的态度不诚实，那么测 谎刺激信息附近呈现的刺激信息重复呈现，重复测试。有提示语出现："请认真看清题再回 答"。
[0112] 根据测试系统记录的测试人员在测试过程中的反应时间，调控刺激信息的呈现速 度以适应测试人员的测试速度。本发明还可以以反应时间为指标衡量测试人员的认真程 度。其中，引导测试人员调整认真程度的方式包括警示和/或呈现引导性刺激信息。
[0113] 若发现测试人员的态度不认真，对刺激信息未经反映就反馈信息。那么呈现刺激 信息的测试系统就发出警告信息，使测试人员恢复认真的态度。
[0114] 或者，根据一个优选实施方式，基于测试人员的生理信息和/或心理状态动态插 入引导性刺激信息从而引导心理状态不佳的测试人员的心理状态恢复至良好状态。
[0115] 例如，在刺激信息中插入与不认真的心理状态相逆转的引导性刺激信息，从而引 导测试人员的态度恢复至认真。引导性刺激信息能够将不佳的心理状态引导恢复至较佳的 心理状态。
[0116] 本发明采集的生理信息至少包括脑信息、脸部肌肉运动信息、眼球运动信息、身体 动作信息、声波信息、反应时间信息、脉搏信息、血压信息和/或体温信息。
[0117] 脑彳目息包括但不限于脑活动延迟时间、Oxy-Hb彳目号、Deoxy-Hb彳目号、Total-Hb{目 号、区间指定、频道指定、最大值、潜时、半值宽度、平均值、离散值、中央值、加法次数、相位 差、心率和FFT成分。
[0118] 脸部肌肉运动信息包括但不限于表情、面部肌肉活动轨迹等信息。
[0119] 眼球运动信息包括但不限于视角、中心视角（20度以内）、周边视角（20度外）、注 视坐标?范围、注视时间、注视时间离散、注视方向、眼球停留时间、眼球停留?范围、眨眼次 数、眨眼速度、闭眼时间、扫视距离、扫视频度、瞳孔径、注视模式和注视模式次数。
[0120] 身体动作信息包括但不限于咽下、唾液分泌、唾液成分、脑波频带、现象关联电位、 血压、心拍和皮肤电位。
[0121] 声波信息包括但不限于声音的大小、声音的高低和说话速度。
[0122] 根据采集的生理信息参数就可以辨别测试人员的心理状态，例如测试人员是否紧 张不安或者异常兴奋。
[0123] 根据一个优选实施方式，基于测试人员的生理信息和/或心理状态动态调整刺激 信息的测试顺序从而获得维持良好心理状态的测试人员的真实测试结果。