n-back experiment

最新推荐文章于 2024-05-18 15:48:15 发布
最新推荐文章于 2024-05-18 15:48:15 发布
阅读量1.5k 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32450111/article/details/88120993
版权
博客提供了psytoolkit的nback实验库链接，即https://www.psytoolkit.org/experiment-library/nback.html ，可通过该链接访问相关实验内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

joyicejin
关注
LLM - 使用 TRL 库 微调(Fine-Tuning) Llama3 以及合并微调模型 教程
AGI
08-15 1599
TRL(Transformer Reinforcement Learning) 是 HuggingFace 的全栈库，提供一套工具，用于通过强化学习训练 Transformer 语言模型，从 监督微调(Supervised Fine-tuning, SFT)、奖励建模(Reward Modeling, RM)、近端策略优化(Proximal Policy Optimization, PPO)。
DriveMM： All-in-One Large Multimodal Model for Autonomous Driving
最新发布
Miracle8070
01-19 2021
多模态模型(LMM)结合大语言模型(LMM)，在自动驾驶(AutonomousDriving,AD)领域展现出色的理解和解释能力。但是当前数据驱动的AD方法往往集中在单个数据集和特定任务上，忽视整体和泛化能力。为了弥补这些差距，本文提出了提出了一体化LMM，DriveMM，一个通用的大型多模态模型，该模型接收多样化的数据输入，例如图像和多视角视频，旨在有效处理AD中的各种驾驶场景和任务，比如感知、预测和规划等。
matlab终止以下代码-nback_GUI:提供了灵活的可编程辅助任务，作为N-Back的修改版本。该GUI允许实验者设置可视的手动N向后任
05-21
matlab终止以下代码nback_GUI 应用信息 nback_GUI v 1.0（2017年6月5日） Christopher Donald Douglas Cabrall TUDelft自动驾驶的人为因素 可自定义的N-Back GUI次要任务 提供了灵活的可编程辅助任务，作为N-Back的修改版本。 该GUI允许实验者设置可视的手动N向后任务，要求参与者在出现提示“ ????????”时键入响应问他们1倍，2倍或3倍之前看到的目标数字是多少。 自动对评分和听觉反馈进行了预编程，以实现正确和不正确的响应。 实验者可以自定义目标值，目标之间的间隔和目标数量，和/或预加载提供的集合。 可以打开/关闭各种显示信息项，包括：跑步成绩，用户回答的最后一个数字，正确答案（从1、2或3倍之前），目标间隔和目标值表。 通过这种可定制的功能，可以根据需要（例如，在内存上增加或减少负担）的难易程度来调整此N-Back次要任务。 此应用程序是在获得欧盟委员会第七框架计划的支持后作为Marie-Curie初始培训网络项目HFAuto（自动驾驶的人为因素）PITN-GA-2013-605817进行开发的
【脑与认知科学】【n-back游戏】
笔记
11-18 4232
一般我们选择n_back来测试对数字或字母的记忆，选择色块实验来测试对颜色的记忆。实验中的自变量与因变量的变化，比如数字／字母／色块的数量n就是自变量。成功率就是因变量，而屏幕显示的时间可以在一定范围内随机。并将实验结果进行分析，譬如因变量随自变量的变化，呈现什么样的趋势。屏幕显示时间和因变量有什么关系等。
newNback_lianxi(use)_神经反馈_back_n-back实验范式_n-back_
10-02
n-back实验范式，包含0，1，2back，eprime 3.0 运行
N-Back:N-Back 任务的 JavaScript 实现
05-31
N-Back 描述的 N-Back 任务的 JavaScript 实现 概述 这项任务要求参与者指出每个连续出现的字母是否是目标。 目标字母为X （0-back）时工作量低，当目标字母与前一个相同时（1-back）为中间，当目标字母与前两个字母相同时（2-back）工作量高）。 在此任务中，视觉输入和按钮按下次数在不同工作负载级别上是相同的。 这意味着工作量的影响实际上可以归因于心理过程的差异，而不是由于高工作量条件下与低工作量条件下手或眼运动量不同造成的。 任务 参与者查看字母，依次呈现在屏幕上。 对于每个字母，他们按下一个按钮来指示该字母是目标还是非目标。 在 0-back 条件下，字母X是目标。 在 1-back 条件下，当一个字母与之前的字母相同时，它就是一个目标。 在 2-back 条件下，一个字母与之前的两个字母相同时为目标。 使用此版本的 n-back 任务，工作
N-Back-for-Matlab:Matlab中实现的经典双n-back任务； 包括位置、声音和颜色选项。-matlab开发
05-29
这是 Matlab 的双 n-back 任务的实现，类似于 Brain Workshop ( http://brainworkshop.sourceforge.net/ )。 Dual n-back 被广泛用作测量和/或训练工作记忆的认知心理学任务。 此实现提供了许多自定义选项，可能适用于研究，包括在 MRI 扫描仪内。 例如，您可以精确控制诱饵或干扰试验的次数（即 n-back +/- 1）。 诱饵试验需要执行控制以避免表明匹配错误。 如果您在研究或商业应用中使用该软件，请将其引用为： 莱登，EA（2018 年）。 用于 Matlab 的 N-Back。 G节点开放数据。 DOI：https ://doi.org/10.12751/g-node.f87128
2020-04-03-功能性光学脑成像
Chen Rui blog
04-16 6965
layout title subtitle date author header-img catalog istop music-id music-idfull apserver aptype apsongid tags post 功能性光学脑成像 Functional Optical Bra...
反向翻译back-translations
啊噗啊噗
01-19 5133
参考论文： Rico Sennrich, Barry Haddow, and Alexandra Birch.2016. Edinburgh neural machine translation systems for wmt 16. arXiv preprint arXiv:1606.02891. Rico Sennrich, Barry Haddow, and Alexandra Birc...
文本分类模型第一弹：关于Fasttext，看这一篇就够了
ZJRN1027的博客
08-04 9263
一、前言 最近手头上接到一个文本分类的任务，当前使用的Baseline是Fasttext模型。由于之前对Fasttext了解不是很多，所以在开始之初决定对Fasttext进行一番调研。但网上关于Fasttext的博客和提出Fasttext的两篇论文在一些细节上都写的不是很清楚，对其性能也缺乏实验数据的支撑说明，于是就有了今天这篇文章。 关于Fasttext，看这一篇就够了。 这里是文本分类系...
nback:基本nback游戏的源代码
05-19
nback 基本nback游戏的源代码 这是经典n-back记忆游戏的非常基本的版本。 我已将其编码为可作为简单的双2背板运行，具有3x3网格和两种颜色（红色和蓝色）。 检查颜色/位置/代码均引用当前元素之前为3的数组元素，这是因为当用户按下匹配按钮时，gameFrame变量已经增加。
编程实现可靠数据传输原理Go-Back-N
11-30
运用编程语言实现基于Go-Back-N 的可靠数据传输软件
Dual-N-Back:记忆游戏已被证明可以改善工作记忆
05-11
双N背游戏 通过在线播放。 基于最初由[1]提出并由[2]改编的任务。 事实证明，双N背可以随着时间的推移改善工作记忆。 有关更多信息，请参见[3]和[4]。 指示 每个级别的目标是在N个时间步之前记住游戏的状态。 游戏板是一组八个正方形。 它们将以三秒钟的间隔随机闪烁。 当您认识到同一方块正好在N步之前闪烁时，请按按钮。 同时，每个时间步都说一个字母。 当您识别出正好在N步之前说出相同的字母时，请按按钮。 ** N = 2游戏的示例序列。**玩家必须记住N步之前游戏板的状态。 如果做得好，下一轮N会增加。 如果做得不好，下一轮N会减少（低至N = 1）。 每轮有20 + N个时间步长。 学分： 基于[1]，[2]等人的工作。 音频片段改编自[5]，大多数图标来自[6]。 [1] [2] [3] [4] [5] [6]
EPRIME 实例集
11-17
差不多有十种eprime实例 如注意瞬脱 左右空间位置呈现等
矩形序列在matlab中代码-ExperimentDesign_NBackTask:N背工作记忆任务，在MatlabPsychtoolbox的
06-02
椭圆序列在matlab中代码实验设计_NBackTask N 背工作记忆任务，在 Matlab Psychtoolbox 的帮助下编码。 包括许多难度级别。 taks 有什么作用？ 有两个主要功能： n_back_task_full() n_back_task_training() 在这两个函数中，受试者都会看到一系列彩色矩形，并且必须决定（通过按下空格按钮）当前矩形是否与N步之前显示的矩形相匹配。 可以指定难度级别的数量和难度级别内的颜色序列数量，并且可以在每个系列之后休息。 包括几个难度级别（从 2 到 5 步后退），每个难度级别包括 8 个颜色系列。 每个颜色系列包括 36 + n 个矩形的序列。 颜色系列的生成使得在每个系列中都有12 个匹配和12 个诱饵（诱饵是矩形，其颜色与之前的矩形相匹配，但在步骤中偏移错误）。 该任务已被用作决策实验的附属品，并显示出跨难度级别的性能显着恶化（主题内的 dprime 分析）。 待办事项清单 使背景变白 为任务添加一些解释 自动生成序列（难度级别、项目数量和难度级别内的序列数量的规范） 允许读入任意图片而不是由 psychtoolbox 生
E-Prime基本功能介绍
IN year
05-18 1404
E-Studio：编程工具，编辑实验页面；E-DataAid：处理和分析数据；E-Basic：编程语句；E-Run：运行实验；E-Merge：把多个数据合并成一个；E-Recovery：回复未完成的实验数据；
Human Brain Mapping:多项目工作记忆的时空和波谱动态特性—基于MEG的研究
悦影科技
06-09 881
一、研究背景 多项目工作记忆（working memory, WM）是我们日常生活中每天都在使用的一项复杂高级认知功能。WM涉及不同的认知功能，如刺激的编码、存储、检索和调控等。在认知神经科学中，n‐back任务是目前应用最为广泛的用于研究多项目WM的实验范式之一。 实际上，在过去的几十年中，研究者已经广泛地利用EEG和MEG对多项目WM展开了相关研究。基于这些研究，我们可以得到一些关于多项目WM的较为一致的研究结果。其中一个就是在n-back任务过程中，在中央-顶叶电极会表现出明显的P300事件相关成分。
E-prime实验设计常用技术
梁小憨憨的博客
07-10 5621
博客内容来自“心仪脑”的直播课课程，课程是在bilibili大学看的，地址在这里：[E-Prime/心仪科技] E-Prime专题(全)_手把手教你做实验_20200416-0514，记录一下方便以后复习。
将linear_data_structure_experiment.txt文件中的所有元素读取出来分别存储到std::vector和std::list中写出完整代码
10-15
首先，你需要包含必要的头文件，并声明你要使用的容器类型（std::vector 和 std::list）。假设文件中的内容是以逗号分隔的数据，你可以按照以下步骤编写代码： ```cpp #include <iostream> #include <fstream> #include <sstream> // 用于分割字符串 #include <vector> #include <list> // 定义一个辅助函数用于解析文件内容 void read_file_to_container(const std::string& filename, std::vector<int>& vector_container, std::list<int>& list_container) { std::ifstream file(filename); if (!file.is_open()) { // 检查文件是否成功打开 std::cerr << "Failed to open the file: " << filename << std::endl; return; } std::string line; while (std::getline(file, line)) { int value; std::istringstream iss(line); // 创建一个输入流来拆分 if (!(iss >> value)) { // 如果无法转换为整数，说明这不是有效的数据 std::cerr << "Invalid data in the file: " << line << std::endl; continue; } vector_container.push_back(value); // 存储到vector中 list_container.push_back(value); // 同样存放到list中 } file.close(); // 关闭文件 } int main() { std::vector<int> vec; std::list<int> lst; read_file_to_container("linear_data_structure_experiment.txt", vec, lst); // 打印容器的内容 for (const auto& val : vec) { std::cout << val << " "; } std::cout << "\n"; for (const auto& val : lst) { std::cout << val << " "; } std::cout << std::endl; return 0; } ``` 这段代码首先尝试打开文件，然后逐行读取，将每一行的内容解析为整数并添加到对应的容器（std::vector 或 std::list）中。如果遇到无效的数据，它将跳过该行并继续处理下一行。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值