Dezember 2016

Band 31, Nummer 13

Dieser Artikel wurde maschinell übersetzt.

Azure IoT Hub: Erfassen und Analysieren von Gehirnwellen mit Azure IoT Hub, 2. Teil

Durch Benjamin Perkins | Dezember 2016

In Teil 1 dieses Artikels (msdn.com/magazine/mt788621), es gibt einen Abschnitt, in dem die Zuordnung der menschlichen Merkmale, objektorientierte Programmiertechniken wie Vererbung und Polymorphie besprochen. Z. B. Vererbung von Eigenschaften und Verhaltensweisen von übergeordneten Entitäten – z. B. Augen – direkt zu einem übergeordneten Element verknüpft werden, oder sie können vom Stamm menschlichen-Klasse, in denen eine Ableitung von Arme, Abschnitte und Hände erreicht werden, abgeleitet werden. Dies gilt für polymorphen Methoden, wie z. B. Sprache, in dem ein untergeordnetes Element möglicherweise in mehreren Sprachen umgekehrt werden soll, während das übergeordnete Element in nur einer Sprache dazu kann auch zu. Eine Realisierung folgt, dass die Möglichkeit, "menschliche" Eigenschaften zuzuordnen vollständig ist, zwar möglich, sobald die Klasse instanziiert ist es ohne ein Hirn kann keine Aktionen ausführen. Ohne ein Hirn ist die untergeordnete Klasse eine bewegungslos thoughtless Entität. Diese Erkenntnis führt zu der autonome drei Ziele:

  1. Verbesserung der Maschine Entscheidungsfindungslogik basierend auf definierbaren Gehirn Muster.
  2. Die Verbesserung unserer eigenen kognitive Geschwindigkeit und Genauigkeit.
  3. Die Fähigkeit, mit Gehirn Wellen basierend auf übereinstimmenden Muster-Control-Geräte.

Erstens ist das Gehirn Daten aus zahlreichen Eingaben verarbeiten kann – z. B. Sehvermögen, sound, Geruchssinn, Kosten und touch – und verwenden Sie dann zum Auslösen einer Reaktion Signale, zusammen mit jeder kognitive Analyse. Wenn es sich besser verstehen können, wie das Gehirn diese Verarbeitung erreicht, können wir besser Codierungstechniken als die herkömmliche If/Then/else-, Try/Catch-, Anfrage-Switch oder Rekursion Techniken, um nur einige zu nennen finden.

Zweitens, nachdem ein besseres Verständnis der uns wissen, das Gehirn erweitern unsere kognitiven Fähigkeiten mit künstlicher Intelligenz (AI) abrufen kann verbessern Sie, Genauigkeit und Geschwindigkeit der Gedanke.

Drittens kann mithilfe einer Brain-Computer-Schnittstelle (BCI) zu erfassen und physischen oder virtuellen Daten Messungen Gehirn Wellen umwandeln für die Speicherung und Analyse der Gehirn Wellen. Sobald diese Muster Gehirn Wave reproduzierbar sind, betrachtet die Möglichkeit, Objekte wie z. B. Autos steuern oder Aktionen ausführen, wie z. B. einschalten Beleuchtung, indem Sie einfach ausgeführt werden können.

In Teil 1 dieses Artikels die zahlreichen Technologien erörtert erfassen, speichern und Analysieren von Gehirn Wellen, von denen jede sind in kurz beschrieben Abbildung 1. In Teil 1 wurde die Konfiguration der BCI und die Erstellung von Azure IoT Hub und das Einfügen von Gehirn Wellen hinein beschrieben.

Abbildung 1 die Komponenten des Projekts Gehirn Problembehebung

Komponenten Rolle Kurze Beschreibung
Emotiv Insights-SDK Erfassen Eine Gehirn-Schnittstelle, die in Zahlen, Gehirn Wellen umwandelt
Azure IoT Hub Speicher Temporärer Speicher-Warteschlange für IoT Gerät gerendert Daten
SQL Azure Speicher Hochgradig skalierbare, kostengünstige und flexible-Datenbank
Stream Analytics Speicher Eine Schnittstelle zwischen Azure IoT und SQL Azure
Power BI Analyse Data Analysis-Tool mit einfachen Grafik basierte support

Teil 2 dieses Artikels finden Sie detaillierte Informationen zu den verbleibenden drei Komponenten: die Erstellung von SQL Azure-Datenbank zum Speichern der Häufigkeit Gehirn Wave Werte Stream-Analysen, die die Daten zwischen Azure IoT Hub und der SQL Azure-Datenbank und der Analyse der Daten mithilfe von Power BI zu verschieben.

Erstellen der SQL Azure-Instanz und einer Datentabelle

Erstellen einer SQL Azure-Datenbank ist ganz einfach: In der Azure-Portal wählen Sie + neu, und klicken Sie dann die Daten + Speicher Menüelement und schließlich SQL-Datenbank. Dies führt dazu, dass das Rendering eines Blatts erforderlichen Informationen zum Erstellen der Datenbank z. B. Datenbankname, Servername, Benutzer-Id und Kennwort angefordert. Beachten Sie diese Informationen, wie sie später benötigt werden, wenn der Stream Analytics-Auftrag erstellt wird.

Um mit der Datenbank verbinden, stehen zahlreiche Optionen zur Verfügung. Ich SQL Server Objekt-Explorer in Visual Studio verwenden, siehe Abbildung 2. Es ist auch möglich, mithilfe der SQL-Datenbank-Verwaltungskonsole über einen Webbrowser mit dem Namen des Datenbankservers, gefolgt von <servername>..Database.Windows.NET ein.</servername> Hinweis: Eine Firewall-Regel ist erforderlich, um die IP-Adresse der Clientzugriff auf die Datenbank erteilen. Falls Sie einen Fehler eine Verbindung herstellen möchten, stellen Sie sicher ausgewählten + Client-IP für die Firewall-Einstellungen, die neu erstellte Datenbank hinzufügen.

Zugriff auf eine SQL Azure-Datenbank mithilfe von Visual Studio
Abbildung 2 eine SQL Azure-Datenbank mithilfe von Visual Studio zugreifen:

Sobald die Datenbank erstellt und zugänglich ist, erstellen Sie eine Datenbanktabelle mit dem Namen Messung mit der rechten Maustaste auf den Ordner Tabellen an, wie in dargestellt Abbildung 2. Die Struktur der Datenbank-Tabelle, die in diesem Beispiel funktioniert in veranschaulicht Abbildung 3 und in der Datei BrainComputerInterface.sql herunterladbaren Beispielcode enthalten ist.

Abbildung 3 Messung-Datenbanktabelle

CREATE TABLE [dbo].[MEASUREMENT] (
  [ManufacturerId]   INT       NOT NULL,
  [HardwareId]     INT       NOT NULL,
  [ActivityId]     INT       NOT NULL,
  [ChannelId]      INT       NOT NULL,
  [DeviceId]      INT       NOT NULL,
  [MeasurementId]    INT       IDENTITY (1, 1) NOT NULL,
  [UserName]      NVARCHAR (50)  NOT NULL,
  [GlobalDateTime]   DATETIME    DEFAULT (getdate()) NULL,
  [MeasurementDateTime] DATETIME    NULL,
  [THETA]        NUMERIC (18, 8) NULL,
  [ALPHA]        NUMERIC (18, 8) NULL,
  [LOWBETA]       NUMERIC (18, 8) NULL,
  [HIGHBETA]      NUMERIC (18, 8) NULL,
  [GAMMA]        NUMERIC (18, 8) NULL,
  CONSTRAINT [PK_MEASUREMENT]
  PRIMARY KEY ([ManufacturerId], [HardwareId], [ActivityId],
    [ChannelId], [DeviceId], [MeasurementId], [UserName]));

Die Datenbanktabelle dient zur Unterstützung von vielen Arten von BCIs mit einer beliebigen Anzahl von Elektroden/Kontakte und Frequenzen. Die Struktur der vollständigen Datenbank ist nicht bereitgestellt werden, wie es zu kompliziert implementiert werden würde. Unterliegen die Messung Datenbanktabelle ist ausreichend Gehirn Wellen für die Analyse erfassen. Abbildung 4 werden die Spalten im Detail beschrieben.

Abbildung 4 Beschreibungen der Spalten in Maßeinheiten Tabelle-Datenbank

Spaltenname Beschreibung
ManufacturerId Das Unternehmen, das das Gerät hergestellt (ex: Emotiv)
HardwareId Den jeweiligen Gerätetyp (ex: Insight im Vergleich zu EPOC+)
Aktivitäts-ID Das Szenario oder die Sitzung (ex: smelling eine Blume)
ChannelId Der Kontakt oder Elektrode (ex: AF3, AF4, Tz usw.)
Geräte-ID Geräte-Id, die an einen bestimmten Benutzer
MeasurementId Der eindeutige Bezeichner für die Zeile in der Tabelle
UserName Der Benutzername, der mit der Identität des Geräts erstellt.
Globale/MeasurementDateTime Zeitpunkt des Einfügens vom Client als auch auf dem server
THETA, ALPHA, LOWBETA usw. Die für eine bestimmte Elektrode lesen Gehirn Wave-Häufigkeit

Die Struktur der vollständigen Datenbank enthält Tabellen für jede der Spalten, die eine *-Id in den Namen. Die * Id-Spalten darstellen tatsächlich einen Fremdschlüssel auf die primären Tabellen mit den Einzelheiten über die * Id in der Tabelle der Messung gespeichert. Die Aktivitäts-ID-Wert in dieser Datenbanktabelle gespeicherten wäre z. B. 1, 2, 3, 4, 5 und So weiter. Diese Werte müsste eine verknüpfte Beschreibung in einer Datenbanktabelle mit dem Namen der Aktivität, Where, 1 = Geruch eine Blume, 2 In die Sonne, 3 = Knallfrosch usw. =.

Bei Bedarf mithilfe von "Join", statt den numerischen Wert für die Datenbanktabelle Messung rendern kann die Beschreibung angezeigt werden. Dies ist einer der Gründe, warum der primäre Schlüssel der Datenbanktabelle Messung alle enthält, die * Id-Spalten. Da Spalten, die eine * Id-Verknüpfung zu einer anderen Tabelle mit der Beschreibung des Werts.

Und schließlich zum Erstellen einer hoch effiziente Storage-Lösung eine Ventures anspruchsvolle und kompliziert ist. Wenn Sie möchten, dass die beste Lösung, wurde empfohlen, Experte in das Feld finden Sie in.

Erstellen Sie die Stream Analytics-Schnittstelle

Wie in Teil 1 erläutert, nicht beim Abrufen von Daten in Azure IoT Hub dazu führen, dass die Daten an einem Ort, in denen Analysis auftreten kann. Mit dem Azure IoT Hub gesendeten Daten benötigen, ein Programm oder Prozess, überwacht den Status der Einträge und eine Aktion ausgeführt. Ein Beispiel für ein Programm, das überwacht werden kann und die Ausgabe in Azure IoT Hub gespeicherte Daten finden Sie unter bit.ly/2dfJJEo. In diesem Beispiel wird ein Stream Analytics-Auftrag wird jedoch stattdessen.

Zum Erstellen eines Stream Analytics-Auftrags zum Überwachen von Azure IoT Hub und die Daten in SQL Azure-Datenbank erstellt, die im letzten Abschnitt verschieben, müssen die folgenden Aktionen:

  • Erstellen Sie einen Stream Analytics-Auftrag
  • Fügen Sie des Eingabe-Auftrags
  • Hinzufügen des Ausgabe-Auftrags
  • Erstellen Sie die Abfrage für die eingehenden Daten ausführen

Nachdem diese Schritte ausgeführt werden, stehen die Wellen Gehirn für die Analyse bereit.

Erstellen eines Stream Analytics-Auftrags

Um zu beginnen, Zugriff auf das Azure-Portal, und wählen Sie + neu, und klicken Sie dann Internet der Dinge und schließlich Stream Analytics-Auftrag. Geben Sie den Namen des Auftrags und weitere Details wie z. B. Abonnement, Ressourcengruppe, Speicherort, und klicken Sie auf die Schaltfläche erstellen.

Eingaben Auftrag hinzufügen

Der Eingabekonfiguration ist der Ort, in dem Stream Analytics-Auftrag die Informationen über den Speicherort zum Überwachen von eingehender Daten abruft. Informationen zum Erstellen von innerhalb des Felds Auftrag Topologie auf die gerade erstellte Stream Analytics-Auftrag klicken Sie auf die Reise Eingaben und klicken Sie auf das + Link im Fenster neu gerenderten erstellen Sie eine neue Eingabe hinzufügen. Geben Sie den Namen der Eingabe fest, z. B. "FromIoTHub", dann wählen Sie IoT Hub aus der Dropdown-Liste, wählen Sie aus der Dropdown-Liste für Shared Access Policy Name Service, und übernehmen Sie die anderen Einstellungen die Standardwerte. Klicken Sie auf die Schaltfläche erstellen.

Beachten Sie, dass eine Option, um die Richtlinie Zugriffsschlüssel von Iothubowner Service zu ändern. Wie in Teil 1 erläutert, wo die Identität des Geräts erstellt wird, hat Iothubowner die Berechtigung zum Erstellen von neuer Geräten, lassen sie das Einfügen von Daten in den IoT Hub, während die Servicerichtlinie hat nur die Möglichkeit zum Senden und empfangen auf die Endpunkte Cloud-Seite ist die wahrscheinlich ausreichend für was hier ausgeführt wird. Es ist nicht erforderlich, erstellen neue Geräte Identitäten zum Überwachen und reagieren auf die empfangenen Daten, wird empfohlen, die Servicerichtlinie verwendet wird; Verwenden Sie nur Iothubowner auf, wenn ein Grund dafür vorliegt. Außerdem Beachten Sie, dass die Richtlinie Zugriffsschlüssel automatisch abgerufen wird basierend auf den IoT Hub aus der Dropdownliste IoT Hub ausgewählt; Dies ist sehr nützlich und intuitiv.

Hinzufügen des Ausgabe-Auftrags

Die Ausgabekonfiguration ist der Ort, in dem Stream Analytics-Auftrag die Informationen zum Senden der eingehenden Daten abruft. Um eine von innerhalb des Felds Auftrag Topologie auf die gerade erstellte Stream Analytics-Auftrag erstellen, klicken Sie auf die Reise Ausgaben, und klicken Sie auf das + Link im Fenster neu gerenderten erstellen Sie eine neue Ausgabe hinzufügen. Geben Sie den Namen der Ausgabe, z. B. ToSQLAzure – wählen Sie dann die SQL-Datenbank in der Dropdownliste Senke, die Fenster, so dass Sie die Auswahl der Datenbanken im angegebenen Abonnement ändern.

Es ist möglich, die Daten in einer SQL Azure-Datenbank nicht im selben Abonnement zu senden, durch die Einstellung für die bieten SQL-Datenbank manuell aus der Dropdownliste Abonnement auswählen. Wenn Sie diese Option auswählen, Informationen Sie die erforderlichen, und klicken Sie dann erstellen Sie den Ausgabe-Auftrag, indem Sie auf die Schaltfläche erstellen, die die manuell eingegebene Informationen validiert.

Wenn die Datenbank, die die Daten aus dem Azure IoT Hub empfangen wird, im selben Abonnement ist, wählen Sie in der Dropdownliste Datenbank die Datenbank, und geben Sie den Benutzernamen, Kennwort und die Tabelle (Beispiel: Messung). Klicken Sie auf die Schaltfläche "erstellen", und nach der Ausgabe Tests erfolgreich ist, die Meldung "Verbindung mit der Ausgabe 'ToSQLAzure wird' erfolgreich war," bestätigt die Erstellung der Ausgabe-Auftrag abgeschlossen ist.

Erstellen Sie die Abfrage für eingehende Daten

Die Abfrage erstellt, die für diese Lösung ist ein einfaches Beispiel. Die Abfrage wird alle Spalten einer Zeile aus der Eingabe und Ausgabe konfigurierten SQL Azure-Datenbank eingefügt. Es ist möglich, komplexere Abfragen ausführen, die eine Art von Echtzeit-Analysen der Daten ausführen, die ein Benutzer eine Warnung ausgegeben oder Senden der Daten an einen anderen Endpunkt abhängig vom Ergebnis der Abfrage. Das ist wirklich eine der größten Vorteile der Azure-Plattform in Bezug auf IoT-Lösungen verfügbar: die Echtzeit-Analysen von Daten aus einer großen Anzahl von Geräten und die Möglichkeit, sofort zu reagieren, sobald ein erkanntes Muster beobachtet wird oder einen Schwellenwert verletzt.

Erstellen und speichern Sie die Abfrage im aktuellen Portal finden Sie unter bit.ly/2bA4vAn und abbildung16 Abbildung 5. Durch Klicken auf die Abfrage Reise strategisch und absichtlich zwischen den Eingaben und Ausgaben Fahrten platziert wird ein neues Fenster, das das Erstellen, speichern und Testen der Abfrage unterstützt.

Die Stream Analytics-Abfrage erstellen
Abbildung 5: Erstellen der Stream Analytics-Abfragen

Siehe Abbildung 6, der der Abfrage entspricht, die Attribute des Gehirns Activity-Klasse, die in der SendBrainMeasurementToAzureAsync-Methode im Beispiel BrainComputerInterface enthalten sind. Die SendBrainMeasurementToAzureAsync-Methode ist der Ort, an die Gehirn Wave Häufigkeit Maße für einen bestimmten Elektrode mit dem Azure IoT Hub gesendet werden. Starten Sie den Stream Analytics-Auftrag, um die Überwachung von Azure IoT Hub zu beginnen. Die Abfrage wird verwendet, um das Abrufen und Entfernen der Messung von Azure IoT Hub durchführen und erneut als Grundlage für das Einfügen der Zeile in der Datenbanktabelle Messung verwendet.

Abbildung 6 das Gehirn Wave in Azure IoT Hub eingefügt.

while (true)
{
for (int i = 0; i < 5; i++)
{
  engine.IEE_GetAverageBandPowers(0, channelList[i],
    theta, alpha, low_beta, high_beta, gamma);
  SendBrainMeasurementToAzureAsync(channelList[i].ToString(), theta[0].ToString(),
    alpha[0].ToString(), low_beta[0].ToString(),
    high_beta[0].ToString(), gamma[0].ToString());
  }
}
private static async void SendBrainMeasurementToAzureAsync(string channel,
  string theta, string alpha, string lowbeta, string highbeta,
  string gamma)
{
  // ...
  try
  {
   var brainActivity = new
    { ManufacturerId, HardwareId, ActivityId, ChannelId,
      DeviceId, UserName, MeasurementDateTime, theta,
      alpha, lowbeta, highbeta, gamma };
  var messageString = JsonConvert.SerializeObject(brainActivity);
  var message = new Message(Encoding.ASCII.GetBytes(messageString));
  await deviceClient.SendEventAsync(message);
catch (Exception ex)
{ // ...}
}

Um die Abfrage zu testen, müssen Sie die zusätzliche Portal unter verwenden bit.ly/1tPjIg7. Navigieren Sie zum Portal zusätzliche, und wählen Sie die Schaltfläche "testen", die im angezeigten Dialogfeld eine Beispieleingabedatei anfordern. Es wird eine Datei namens MEASUREMENTData.json im herunterladbaren Code, der hier verwendet werden kann. Führen Sie den Test aus, und bestätigen Sie es gab keine Ausnahmen.

Dies schließt die Erstellung von Komponenten für Gehirn Wellen in die Cloud hochladen. Es war ziemlich Weg, die die Implementierung der vier Entitäten erforderlich: der Code, um die Elektrode Häufigkeit Literatur in eine Zahl, die zur Erstellung von Azure IoT Hub konvertieren, das die Zahlen, eine SQL Azure-Datenbank dauerhaft speichern diese Zahlen und einen Stream Analytics-Auftrag verwalten den Status der Zahlen, und verschieben Sie sie an den dauerhaften Datenspeicher akzeptiert. Jetzt können Sie beginnen, Gehirn Wellen in die Cloud hochladen und in einer Datenbank für die Analyse zu speichern. Analysieren der Daten im nächsten Abschnitt ausführlich beschrieben wird, aber sehen Sie sich selbst auf der Rückseite Klopfen, wenn Sie es erfolgreich dies vorgenommen haben weit.

Analysieren von Gehirn Wellen

Die eigentlichen Thema in diesem Abschnitt wird erläutert, ist es wichtig, zuerst den Prozess zu erwähnen, der eingehalten wurde, um die Daten abzurufen. Ich auf viele der Themen in einem Blogbeitrag kürzlich verwendete (bit.ly/29LbKEe), es ist jedoch sinnvoll sein, diese erwähnen.

Erfassen der Daten der wichtigste Aspekt ist, dass es in einem Szenario auftritt, die reproduziert werden können. Z. B. Wenn Sie Gehirn Wellen zu erfassen, während ein Buch lesen möchten, unbedingt Musik hören oder ansehen eines Films, jedes Mal, wenn Sie dies tun, lesen den gleichen Teil desselben Buches, hören Sie einen Titel, und sehen Sie sich den gleichen Teil eines Films. Ich habe keine wissenschaftlichen Nachweis dieses als ein paar Experimenten, die ich unter noch ausgeführt, aber wenn ich mein Gehirn Wellen erfasst, während der Musik hören, war das Muster hängt die Art der Musik, die ich gerade wurde. Obwohl ich die gleichen Film gesehen, beobachtete ich auch verschiedene Teile, die verschiedenen Mustern geführt hat. Sie würden sich einverstanden, Filme füttern manchmal unterschiedliche Emotionen und denen ein anderes Muster und Messungen der Gehirn Aktivität ausgelöst würde. Im Gegensatz dazu Wenn ich die Maße in einen Zustand meditative erfasst, bei denen in allen Sitzungen die Umgebung quiet und dunkel war ist tatsächlich eine schließen-Muster in Mein Gehirn Aktivität oder fehlen, in den Daten.

Nicht nur ist es wichtig haben die gleichen Szenarios zwischen Sitzungen repliziert, es ist auch wichtig, um sicherzustellen, dass das Gerät, das Erfassen von Gehirn Wellen funktioniert in allen Fällen identisch. Ich berührt auf diesem in Teil 1, wenn Sie sich erinnern werden. Daher ist es Code zum Überprüfen der Signal Stärke und Akku vor Beginn der Aufzeichnung Gehirn Wellen sowie die Empfehlung, die online-Tool verwenden, das grafisch dargestellt, die Electrodes\contact Werte enthält. Um gültige Vergleiche zu erhalten, ist es zwingend erforderlich, dass die Umgebung, Aktionen und Gerät zwischen Sitzungen möglichst identisch sind. Andernfalls ist nicht genau, wie die Gehirn Aktivität ausgelöst und fügt keinen Wert und führt zu nicht eindeutig Annahmen Vergleichen von zwei im Gegensatz zu Sitzungen. Nun, das Alles klar ist, ist es Zeit kommen wir zum interessanten Teil.

In diesem Beispiel die Power BI Desktop-Version wird verwendet und kann kostenlos heruntergeladen werden derzeit verfügbar unter bit.ly/1S8XkLO. Einmal installiert und ausgeführt wird, klicken Sie auf der Registerkarte "Start", klicken Sie auf das Menüelement Daten abrufen, das zeigt die zahlreichen Quellen, die mit dem Power BI verbinden können. Wählen Sie SQL Server, und geben Sie den Namen des Servers, auf dem die Datenbank ausgeführt (diejenige, die im Abschnitt "Erstellen Sie die SQL Azure-Instanz und Tabelle" erstellt wurde), und geben Sie ihn in den Konfigurations-Assistenten sowie der optionale Datenbankname. Beachten Sie, dass der Servername ist der Name der Datenbank, sondern Servername ist der Name des Servers auf dem die Datenbank ausgeführt wird, die sich im Azure-Portal im Fenster Eigenschaften von SQL Azure-Server befinden. Sie ähnelt etwa wie folgt: <servername>..Database.Windows.NET ein.</servername> Nach der Eingabe, klicken Sie auf die Schaltfläche "OK", und geben Sie die Anmeldeinformationen für die Datenbank und anschließend auf Verbinden. Vergessen Sie nicht Ihre Client-IP-Adresse hinzufügen, damit die Firewall die Verbindung durchlaufen können.

Fahren Sie mit dem Konfigurations-Assistenten nach der erfolgreichen Verbindung wählen Sie die Tabelle Measurement im Navigator-Fenster, und klicken Sie auf die Schaltfläche Laden. Die Daten sind jetzt analysiert und verglichen werden kann. Ein Beispiel für ein "100 % gestapeltes Balkendiagramm" wobei Achse ActivityId und Werte sind GAMMA, LOWBETA, THETA, HIGHBETA und ALPHA ist dargestellt, Abbildung 7.

Analyse der Gehirn Wellen mithilfe von Power BI
Abbildung 7 Analyse der Gehirn Wellen mithilfe von Power BI

Über die Bedeutung der einzelnen Frequenz (GAMMA, LOWBETA, THETA, HIGHBETA und ALPHA) können Sie zeichnen Schlussfolgerungen und selbst bestimmen, wenn die Schlussfolgerungen sinnvoll. Nehmen Sie z. B. Gehirn Wellen während eine Blume smelling gesammelt. Beachten Sie in Abbildung 7 , dass die ALPHA-Messung einen großen Prozentsatz der Sitzung beansprucht. Wenn ich meine Status berücksichtigen, erinnere Wenn ich die Blume smelled, es wurde eine Lockerung und reflektierenden Gefühl und, was im veranschaulicht Abbildung 7. Sogar noch deutlicher ist wenn ich wundern Sie sich nicht wurde durch laut, ich Knallfrosch, sogenannten einige höhere HIGHBETA lesen geführt. HIGHBETA liegt im Allgemeinen mit Fokus und denken, die eine Übereinstimmung in einer Situation wie erwartet werden würde. 

Im nächste Schritt wird wieder die gleichen Sitzungen im soviel wie möglich, eine identische Umgebung erfassen und die Ergebnisse verglichen werden. Wenn im Laufe der Zeit ein identifizierbaren Muster kann in diesem Fall nur während eines bestimmten Szenarios ermittelt werden, dann Maßnahmen ergreift etwas steuern das Gehirn mit physischen ist nur eine einfache, wenn Anweisung entfernt. Nur angenommen, Ihre BCI auf einem Gerät verbunden, haben, Sie eine Blume Geruchssinn und Cortana sagt, "können Sie z. B. wie diese Blume erweckt? Beschreiben Sie es oder annehmen, die ein Bild, und ich Sie welche sagen ist."  Dies kann erreicht werden, werden über den Computer Vision-API ist Teil der kognitive von Microsoft-Angebote.

Zusammenfassung

In diesem Artikel haben Sie gelernt, wie Sie die vier Teile erforderlich, um Gehirn Wellen aus einem BCI in die Cloud laden einrichten. Skalierbare Unterstützung dieses Szenarios kann Millionen von Messungen pro Sekunde, während zur gleichen Zeit es auch für eine einzelne Hobbyentwickler, wie ich möglich ist. Tatsache ist, je mehr Daten geben wir in gewisser kollektiven je mehr wir uns, nicht nur als Einzelperson, sondern auch als miteinander verbundene Menschen erfahren. Fortschreiten von ein früher Versuch zum Erstellen von virtuellen Leben mit C#-Klassen und objektorientierte Programmiertechniken, ich hier an den Punkt, in dem die tatsächliche Klasse mit dem Menschen, zu reagieren und reagieren auf Ereignisse der realen Welt heißt eine tatsächliche Möglichkeit. Obwohl wir jetzt zu diesem Zeitpunkt nicht, gibt es nur ein paar mehr Schritte auf dem Weg zur eine intelligente virtuelle Entität, die wirklich alles ändert. Wir sind Abgabeterminen. Ein Pfad zu diesem Zweck wurde durch die Möglichkeit zum Erfassen und Analysieren Gehirn Wellen festgelegt in angegebenen Analysieren dieser Muster sie Code zu übersetzen und Einführung in eine Schnittstelle für diese Szenarien. Viele dieser APIs sind bereits verfügbar im Rahmen der kognitive von Microsoft-Angebote.

Aber meiner Meinung nach die wahre Größe dieses nicht von Gehirn Wellen und Muster eines einzelnen, sondern sie Muster aus größer Auffüllung des Menschen kommen. Suchen die kleinen Dinge, die uns zusammenbringen, feine Elemente, die wir alle gemeinsam verwenden, führt uns zu hervorragend.


Benjamin Perkinsist ein Escalation Engineer bei Microsoft und Autor von vier Büchern zu c#, IIS, NHibernate und Microsoft Azure.  Er kürzlich abgeschlossener Mitverfasser "6 Anfang C#-Programmierung mit Visual Studio 2015" (Wrox). Sie erreichen ihn unter benperk@microsoft.com.

Unser Dank gilt dem folgenden technischen Experten bei Microsoft für die Durchsicht dieses Artikels: Sebastian Dau
Sebastian Dau ist eine eingebettete Escalation Engineer im Azure-IaaS-Team