Predictive Coding - University of Washington

“Predictive Coding” o Codificación predictiva es un es una estructura para la comprensión de la reducción de la redundancia y una codificación eficiente en el sistema nervioso.

Al transmitir sólo las partes imprevistas de una señal sensorial, codificación predictiva permite al sistema nervioso reducir la redundancia y hacer un uso completo del rango dinámico limitado de neuronas.

Partiendo de esta hipótesis, codificación de predicción proporciona una explicación funcional para una gama de respuestas neuronales y muchos aspectos de la organización del cerebro como en campos receptivos de la retina y para ser compatible con una variedad de datos neurofisiológicos y psicofísicos obtenidos de diferentes áreas del cerebro.

A Hierarchical Architecture for Adaptive Brain-Computer Interfacing - University of Washington

Por un lado un BCI no invasivo evita la fatiga del usuario y su desventaja es que, a través de su sistema de señales electrocefálicas, recibe señales débiles y poco claras; en contraste un BCI invasivo recibe señales muchísimo más claras, pero termina agotando al usuario por el control constante.

En esta investigación se propone una nueva arquitectura jerárquica de adaptación para el BCI, donde se enseñe al usuario en el transcurso de la experiencia. Posteriormente esas habilidades se invocan como comandos de alto nivel, solucionando el tedioso uso del bajo nivel.

Se hizo la prueba con 4 sujetos y debían entrenar y controlar un robot humanoide en un entorno de hogar virtual. Se usaron procesos Gaussianos para que aprendiera comandos de alto nivel y así el BCI decidiera entre ser autónomo o guiado por el usuario en un momento de duda.

Concluyeron que la arquitectura jerárquica de adaptación para el BCI puede proveer una robusta y flexible forma de controlar complejos robots en entornos del mundo real.

Probabilistic co-adaptive brain–computer interfacing - University of Washington

El objetivo del proyecto es decodificar las señales del cerebro con mayor exactitud y la necesidad de co-adaptación entre el cerebro y la BCI con el fin de lograr juntos una tarea.

En la investigación se propone un nuevo sistema BCI basado en POMDPs (Partially Observable Markov Decision Processes).

Los resultados sugieren que el basarse en un marco de POMDPs es una buena propuesta para el diseño de BCI que deban manejar las señales neuronales y la co-adaptación con el usuario sobre una base continua. 

El hecho de que el POMDP BCI mantiene una distribución de probabilidad sobre el estado del cerebro del usuario permite una forma mucho más potente de la toma de decisiones que los enfoques tradicionales de BCI, que normalmente se han basado en la salida de los clasificadores o técnicas de regresión. Además, la co-adaptación del sistema permite que el BCI para hacer mejoras en su comportamiento, ajustándose automáticamente a las circunstancias cambiantes del usuario.

Brain-Computer Interfaces & Computational Neuroscience - Interfaces Cerebro-Computador y Neurociencia Computacional

´

La Tecnología de Interfaz cerebro-computador es un sistema de interacción hombre-máquina capaz de traducir nuestras intenciones en interacción real con un mundo físico o virtual. El funcionamiento básico de una BCI (Brain - Computer Interface) es medir la actividad cerebral, procesarla para obtener las características de interés, y una vez obtenidas interaccionar con el entorno de la forma deseada por el usuario. 

Desde un punto de vista de interacción hombre-máquina, esta interfaz tiene dos características que la hacen única frente a todos los sistemas existentes. La primera de ellas es su potencial para construir un canal de comunicación natural con el hombre, la segunda su potencial acceso a la información cognitiva y emocional del usuario.