一种基于脑电和眼动的人机决策一致性学习方法与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。下面参照图4来描述根据本发明的这种实施例的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430、显示单元440。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元410可以执行如图1中所示的步骤s110至步骤s130。存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(rom)4203。存储单元420还可以包括具有一组(至少一个)程序模块4203的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备400也可以与一个或多个外部设备470(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线430与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。参考图5所示，描述了根据本发明的实施例的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

背景技术：

1、随着人工智能技术的发展，人工智能在各行各业发挥着重要作用。但在复杂或者关键的任务中，人机协作是主要的工作模式，计算机从大量数据获取知识并为人提供辅助决策支持，人做最终的决策，这样能发挥人机两个主体各自的特长，因此得到了广泛关注。如何让计算机根据人的决策状态，自动调整优化其决策输出信息、更好的反馈并提升人的决策，成为实现高效的人机协作的关键。当前，计算机调整优化其决策输出方式，是通过人的行为结果数据作为调整的依据。这种方式，存在效率低下，不可量化的问题。

2、因此，需要一种或多种方法解决上述问题。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种基于脑电和眼动的人机决策一致性学习方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

2、根据本公开的一个方面，提供一种基于脑电和眼动的人机决策一致性学习方法，包括：

3、对用户执行特定的决策任务，并实时采集所述用户的脑电和眼动信号，基于所述脑电和眼动信号提取脑电和眼动特征；

4、基于预设机器辅助决策软件根据任务输入生成决策支撑信息，并向用户呈现展示信息，同步采集所述用户根据呈现的信息所做决策动作的决策信心等级，建立脑电和眼动特征与所述决策信心等级映射数据集，进而建立决策信心检测模型；

5、基于所述决策信息检测模型，在人机协同决策任务中，以脑电和眼动信号为输入对决策信心等级检测，并将用户决策信息等级反馈输入至机器辅助决策模型，使机器辅助决策模型进行决策价值函数调整，完成人机决策一致性学习。

6、在本公开的一种示例性实施例中，所述方法还包括：

7、对用户执行特定的决策任务，并实时采集所述用户的脑电和眼动信号；

8、基于窗长为预设时长的滑动窗抽取预处理后的脑电和眼动信号；

9、利用时域、空域、频域方法，基于所述脑电和眼动信号提取脑电和眼动特征。

10、3.如权利要求1所述的方法，其特征在于，所述方法还包括：

11、基于预设机器辅助决策软件根据任务输入生成决策支撑信息，并向用户呈现展示信息，同步采集用户根据所述预设机器辅助决策软件呈现信息执行的决策动作事件。

12、4.如权利要求3所述的方法，其特征在于，所述方法还包括：

13、基于决策动作事件生成决策信心等级，所述决策信心等级分为1级至10级共10个等级，其中，1级代表随机猜测，10级代表完全信心。

14、5.如权利要求4所述的方法，其特征在于，所述方法还包括：

15、基于用户根据所述预设机器辅助决策软件呈现信息的脑电和眼动信号，生成脑电和眼动特征，建立脑电和眼动特征与所述决策信心等级映射数据集，进而建立决策信心检测模型。

16、6.如权利要求1所述的方法，其特征在于，所述方法还包括：

17、基于所述决策信息检测模型，以脑电和眼动信号为输入，实现对决策信心等级检测；

18、将所述决策信心等级检测数据反馈至机器辅助决策模型，用以使所述机器辅助决策模型进行决策价值函数调整，实现人机决策一致性学习。

19、在本公开的一个方面，提供一种基于脑电和眼动的人机决策一致性学习装置，包括：

20、特征提取模块，用于对用户执行特定的决策任务，并实时采集所述用户的脑电和眼动信号，基于所述脑电和眼动信号提取脑电和眼动特征；

21、模型建立模块，用于基于预设机器辅助决策软件呈现信息向用户展示，并采集所述用户的决策动作生成决策信心等级，建立脑电和眼动特征与所述决策信心等级映射数据集，进而建立决策信心检测模型；

22、检测学习模块，用于基于所述决策信息检测模型，以脑电和眼动信号为输入对决策信心等级检测，并以决策信心等级为反馈输入，完成对机器辅助决策模型价值函数调整，进而完成人机决策一致性学习。

23、在本公开的一个方面，提供一种电子设备，包括：

24、处理器；以及

25、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。

26、在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。

27、本公开的示例性实施例中的一种基于脑电和眼动的人机决策一致性学习方法，该方法包括：对用户执行特定的决策任务，并实时采集所述用户的脑电和眼动信号并提取脑电和眼动特征；向用户呈现展示信息，同步采集用户决策动作的决策信心等级进而建立决策信心检测模型；基于所述决策信息检测模型，在人机协同决策任务中，以脑电和眼动信号为输入对决策信心等级检测，并将用户决策信息等级反馈输入至机器辅助决策模型，使机器辅助决策模型进行决策价值函数调整。本公开通过模型对决策信心水平的实时检测分析，完成对机器辅助决策模型在线调整学习，使得机器决策方向与用户的决策方向逐步一致，实现更高效的人机协作。

28、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。