CN107230019A - 用于考核空间工作记忆更新能力的方法及系统 - Google Patents
用于考核空间工作记忆更新能力的方法及系统 Download PDFInfo
- Publication number
- CN107230019A CN107230019A CN201710391407.5A CN201710391407A CN107230019A CN 107230019 A CN107230019 A CN 107230019A CN 201710391407 A CN201710391407 A CN 201710391407A CN 107230019 A CN107230019 A CN 107230019A
- Authority
- CN
- China
- Prior art keywords
- impairment
- working memory
- data
- spatial working
- memory updating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种用于考核空间工作记忆更新能力的方法及系统,该方法包括步骤:在被测人员处于模拟任务状态下,获取被测人员的行为指标数据和脑电指标数据;将这些数据作为预设综合评价模型的输入,综合评价模型的输出为多个考核等级中的一个;综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与考核等级对应的理想评价指标表,并且在理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。实施本发明,将空间工作记忆更新能力与具体场景任务特征充分相融合,采用两个维度的指标,从表象层面深入到机理层面,从外源因素到内源因素,建立了更为客观和准确的空间工作记忆更新能力考核方案。
Description
技术领域
本发明涉及空间工作记忆训练及控制技术领域,特别涉及一种用于考核空间工作记忆更新能力的方法及系统。
背景技术
高铁调监屏界面主要显示车站、线路、列车等信息,并且这些信息随着列车的运行实时更新。高铁调度员在工作过程中,需要对车站、线路和列车之间的空间位置很熟悉,并且随着列车的运行更新。尤其是在发生突发事件时,调度员需要在不断更新的记忆中快速准确地回忆出靶目标的位置,因此这种空间工作记忆更新能力对高铁行车安全显得更为重要。而目前的考核方法采用的指标主要是行为绩效,这种方法不够全面客观,因此,亟待开发一种用于训练或者考核高铁调度员空间工作记忆更新能力的方案,以克服上述不足。
发明内容
有鉴于此,本发明旨在提供一种用于考核空间工作记忆更新能力的方法及系统,以便在考核过程中将空间工作记忆更新能力与具体任务场景特征相融合,并且采用两个维度的指标,考虑了多个因素对于考核结果的影响,以更加客观的方式实现了空间工作记忆更新能力的考核或训练。
具体而言,本发明的所述方法包括步骤:在被测人员处于模拟任务状态下,获取所述被测人员的行为指标数据和脑电指标数据;将所述行为指标数据和所述脑电指标数据作为预设综合评价模型的输入,所述综合评价模型的输出为多个考核等级中的一个;所述综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与所述考核等级对应的理想评价指标表,并且在所述理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
另一方面,本发明的所述系统包括:测试内容显示单元,用于显示被测人员的模拟任务环境;人机交互单元,用于被测人员的人机交互操控;行为记录单元、脑电信号收集单元,分别用于获取被测人员的行为指标数据和脑电指标数据;空间工作记忆更新能力综合评价单元,用于通过综合评价模型将所述行为指标数据和所述脑电指标数据映射至多个考核等级中的一个;所述综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与所述考核等级对应的理想评价指标表,并且在所述多个理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
采用本发明的用于考核空间工作记忆更新能力的方法及系统后,将空间工作记忆更新能力与具体场景任务如高铁调度的任务特征充分相融合,采用两个维度的指标,从表象层面深入到机理层面,从外源因素到内源因素,建立了一种准确度更高的、更科学客观的空间工作记忆更新能力考核方案,从而能够更好的量化从业者的空间工作记忆更新能力水平,从而提高工作效率以及降低风险。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例,并且与描述一起用于解释本发明的原理。在这些附图中,类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例,而不是全部实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种用于考核空间工作记忆更新能力的方法的流程示意图;
图2为本发明实施例二提供的一种用于考核空间工作记忆更新能力的方法的流程示意图;
图3为图2所示实施例二中的编码示意图;
图4为图本发明实施例三提供的一种用于考核空间工作记忆更新能力的系统的方框示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下面结合附图详细说明本发明实施涉及的用于考核空间工作记忆更新能力的方法及系统。
实施例一:
参见图1所示,实施例一的方法包括步骤:在被测人员处于模拟任务状态下,获取被测人员的行为指标数据和脑电指标数据;将行为指标数据和脑电指标数据作为预设综合评价模型的输入,综合评价模型的输出为多个考核等级中的一个;综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与考核等级对应的理想评价指标表,并且在理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
在此基础上,在具体实施过程中,还可以采用如下至少一种优化或实现方式:一、行为指标数据和脑电指标数据在输入前均经过数据预处理;二、脑电指标数据的预处理可以包括:设定被测试者(也称受测者)一个事件时间窗内(如200ms~500ms)相关脑电幅值为μ1,则此受测者关于此事件的平均脑电幅值为n为事件的总数。事件相关脑电幅值也可以经过标准化、一致化后进行综合评价;行动指标数据的预处理具体为数据的标准化、一致化处理,数据标准化及一致化处理可以包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题,对不同性质指标直接加总不能正确反映不同作用力的综合结果,须先考虑改变逆指标数据性质,使所有指标对测评方案的作用力同趋化,再加总才能得出正确结果,数据无量纲化处理主要解决数据的可比性。去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。数据标准化的方法有很多种,常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理,原始数据均转换为无量纲化指标测评值,即各指标值都处于同一个数量级别上,可以进行综合测评分析;四、行为指标数据可以包括反应时和正确率;六、考核等级可以为三个,例如P1,P2,P3,分别对应好、良和中,以便判断被测人员的空间工作记忆更新能力水平是否达标。
实施例二:
参见图2所示,为了更清楚地说明本发明实施例,以下以高铁行车调度员为例,结合具体场景详细说明。
具体而言,在受测者准备完毕后,测试界面启动,界面的随机位置上出现一个靶刺激,随机位置为n(可调控)宫格,靶刺激在一段时间后消失。受测者需要判断当前刺激的位置与相邻刺激的前一个刺激的位置是否相同。在受测者完成此任务的同时记录受测者的反应时、正确率,并实时采集受测者与刺激相关的脑电。有关脑电的具体实现方式可以参见现有技术的相关描述,在此不再展开。
反应时、正确率通常需要经过数据预处理环节,即经过标准化、一致化后才便于参与综合评价。
对经过预处理后的反应时、正确率以及脑电等指标数据进行综合评价。具体方法如下:
由实验所得的参与人员指标中,一般将反应时X1、正确率X2、脑电指标X3作为具有代表性的评估因子,对调度员的空间工作记忆更新能力进行划分,划分标准可以设定为三项:P1、P2、P3。
在进行分级之前先要制定理想评价指标表(测试得到的指标需要和这个理想指标评价表进行对比,以得到最终结果)。理想评价表通过先验分析得到,基于大量的高铁调度员实际的测试数据分析得到。将理想评价指标映射为神经元状态,需要对其进行编码,如图3所示的编码示意图:
模型输入输出关系:其中为神经元i与j的连接权值,θj为神经元j的阈值;
神经元j的当前时刻t的输入量:uj(t)=sj(t);
神经元下一时刻t+1的输出量:
当神经网络进行适当的训练后,连接权矩阵ωij将被确定,表明网络已经处于准备状态。输入待分类的等级评价指标数据与预先设定的尺度表对比获取DHNN编码图,经过多次循环后,网络可达到稳定状态:v(t+1)=v(t),此时输出端可得到稳定输出,即将处理后得到的评价指标表与理想评价指标表进行对比,此项指标大于理想评价指标的话就记为“1”,编码为“●”,反之记为“-1”,编码为“○”,如图3所示,稳定输出就是被测人员的的考核等级。
从上述可知,采用本发明前述两个实施例后,能够将空间工作记忆更新能力与具体场景任务如高铁调度的任务特征充分相融合,并且采用两个维度的指标,从表象层面深入到机理层面,从外源因素到内源因素,建立了一种准确度更高的、更科学客观的空间工作记忆更新能力考核方案,从而能够更好的量化从业者的空间工作记忆更新能力水平,从而提高工作效率以及降低风险。
实施例三:
参见图4所示,实施例三的用于考核空间工作记忆更新能力的系统可以包括:测试内容显示单元、人机交互单元、行为记录单元、脑电信号收集单元以及空间工作记忆更新能力综合评价单元等,其中:测试内容显示单元用于显示被测人员的模拟任务环境,使被测人员处于模拟任务的场景条件下;人机交互单元用于被测人员的人机交互操控;行为记录单元、脑电信号收集单元分别用于获取被测人员的行为指标数据和脑电指标数据;空间工作记忆更新能力综合评价单元用于通过综合评价模型将行为指标数据和脑电指标数据映射至多个考核等级中的一个;综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与考核等级对应的理想评价指标表,并且在理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
优选地,脑电信号收集单元可以采用脑电仪。另外,该用于考核空间工作记忆更新能力的系统还可以包括参数调节模块,用于调节各种参数,例如人机交互的操控参数或者测试内容的显示节奏等,此外各个信号搜集单元上可以分别集成相应的信号处理装置。
此外,前述方法实施例涉及的一些扩展也适用于系统实施例,在此不再一一赘述。并且能够直接和毫无疑义得出,本发明实施例的用于考核空间工作记忆更新能力的系统,也具有前述相应的技术效果。
本领域普通技术人员可以理解,实现上述实施例的全部或者部分步骤/单元/模块可以通过程序指令相关的硬件来完成,前述程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述实施例各单元中对应的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光碟等各种可以存储程序代码的介质。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于考核空间工作记忆更新能力的方法,其特征在于,所述方法包括步骤:
在被测人员处于模拟任务状态下,获取所述被测人员的行为指标数据和脑电指标数据;
将所述行为指标数据和所述脑电指标数据作为预设综合评价模型的输入,所述综合评价模型的输出为多个考核等级中的一个;所述综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与所述考核等级对应个数的理想评价指标表,并且在所述多个理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
2.如权利要求1所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述行为指标数据和所述脑电指标数据在输入前均经过数据预处理。
3.如权利要求2所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述脑电指标数据的预处理包括:设置一个事件时间窗,获取该事件时间窗内脑电幅值为μ1,则此受测者关于此事件的平均脑电幅值为其中,n为事件的总数。
4.如权利要求3所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述行动指标数据的预处理具体为数据的标准化、一致化处理,和/或,
所述脑电指标数据的预处理还包括:将平均脑电幅值进行标准化、一致化处理。
5.如权利要求1至4任一项所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述行为指标数据包括反应时和正确率。
6.如权利要求1至4任一项所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述考核等级为三个。
7.如权利要求1至4任一项所述的用于考核空间工作记忆更新能力的方法,其特征在于,所述方法中,所述模拟任务状态具体为:在被测人员准备完毕后,通过界面与被测人员交互,所述的随机位置上出现一个靶刺激,随机位置为预定数量的宫格,靶刺激在预定时长后消失,被测人员在判断当前刺激的位置与前一个刺激的位置相同时做出反应。
8.一种用于考核空间工作记忆更新能力的系统,其特征在于,所述系统包括:
测试内容显示单元,用于显示被测人员的模拟任务环境;
人机交互单元,用于被测人员的人机交互操控;
行为记录单元、脑电信号收集单元,分别用于获取被测人员的行为指标数据和脑电指标数据;
空间工作记忆更新能力综合评价单元,用于通过综合评价模型将所述行为指标数据和所述脑电指标数据映射至多个考核等级中的一个;所述综合评价模型事先通过如下方式获得:基于预定数量的被测人员在实际任务状态下的测试数据,获得与所述考核等级对应个数的理想评价指标表,并且在所述多个理想评价指标表的监督下通过神经网络学习获得多输入与单输出的关系模型。
9.如权利要求8所述的用于考核空间工作记忆更新能力的系统,其特征在于,所述脑电信号收集单元包括脑电仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391407.5A CN107230019A (zh) | 2017-05-27 | 2017-05-27 | 用于考核空间工作记忆更新能力的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391407.5A CN107230019A (zh) | 2017-05-27 | 2017-05-27 | 用于考核空间工作记忆更新能力的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107230019A true CN107230019A (zh) | 2017-10-03 |
Family
ID=59934622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710391407.5A Pending CN107230019A (zh) | 2017-05-27 | 2017-05-27 | 用于考核空间工作记忆更新能力的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107230019A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107773256A (zh) * | 2017-10-17 | 2018-03-09 | 中国人民解放军海军总医院 | 一种心理应激管理能力测评方法 |
CN112036565A (zh) * | 2020-09-04 | 2020-12-04 | 北京中科心研科技有限公司 | 一种数字工作记忆广度的自适应训练方法及装置 |
CN112735595A (zh) * | 2020-12-30 | 2021-04-30 | 杭州电子科技大学 | 一种工作记忆能力的综合评定方法 |
-
2017
- 2017-05-27 CN CN201710391407.5A patent/CN107230019A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107773256A (zh) * | 2017-10-17 | 2018-03-09 | 中国人民解放军海军总医院 | 一种心理应激管理能力测评方法 |
CN112036565A (zh) * | 2020-09-04 | 2020-12-04 | 北京中科心研科技有限公司 | 一种数字工作记忆广度的自适应训练方法及装置 |
CN112036565B (zh) * | 2020-09-04 | 2023-03-14 | 北京中科心研科技有限公司 | 一种数字工作记忆广度的自适应训练方法及装置 |
CN112735595A (zh) * | 2020-12-30 | 2021-04-30 | 杭州电子科技大学 | 一种工作记忆能力的综合评定方法 |
CN112735595B (zh) * | 2020-12-30 | 2023-09-26 | 杭州电子科技大学 | 一种工作记忆能力的综合评定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239895A (zh) | 用于持续性注意力考核的方法及系统 | |
CN107224291A (zh) | 调度员能力测试系统 | |
CN104166859B (zh) | 基于ssae和fsals‑svm极化sar图像分类 | |
CN103679611B (zh) | 基于案例推理的城市综合应急智能仿真系统的运行方法 | |
CN108830745B (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
CN108985632A (zh) | 一种基于孤立森林算法的用电数据异常检测模型 | |
Funtowicz et al. | Values and uncertainties | |
CN111915148B (zh) | 一种基于信息技术的课堂教学评价方法和系统 | |
CN111292020B (zh) | 一种基于随机森林的电网实时运行风险评估方法及系统 | |
CN107230019A (zh) | 用于考核空间工作记忆更新能力的方法及系统 | |
CN106250934B (zh) | 一种缺陷数据的分类方法及装置 | |
CN114842208B (zh) | 一种基于深度学习的电网危害鸟种目标检测方法 | |
CN103400328A (zh) | 面向多信息平台聚合的随堂式教学测评系统及测评方法 | |
CN103020332A (zh) | 一种民用飞机的智能虚拟维修训练系统 | |
CN107301497A (zh) | 工作记忆能力考核的方法及系统 | |
CN106296498A (zh) | 数据处理方法及装置 | |
CN109636689A (zh) | 一种基于大数据的智能教育信息分析系统 | |
CN108446885A (zh) | 一种评审意见自动归集方法 | |
JP2022044816A (ja) | 運転訓練授業の調整方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN115564194A (zh) | 智能电网的计量异常诊断信息生成模型构建方法及系统 | |
CN106097206A (zh) | 一种教师教学反思功能的实现方法及系统 | |
CN106327392A (zh) | 一种基于大数据的考试录取智能预测方法 | |
CN110189236A (zh) | 基于大数据的学习预警方法 | |
CN109214116A (zh) | 一种高速动车组头型的辅助设计方法 | |
CN109840756A (zh) | 一种基于人工智能识别技术的教学系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171003 |
|
RJ01 | Rejection of invention patent application after publication |