机器学习/深度学习方法在神经营销学和消费者神经科学

“消费者神经科学”和“神经市场”是指神经科学方法的应用和理论研究人类消费行为背后的认知和情感,如决策、选择偏好和购买流程。他们不同的应用水平:消费者神经科学被认为是一个更基本的和academia-oriented纪律,而神经学营销被视为平移/应用和面向业务的。而不是使用传统的营销技术(例如,问卷和访谈),他们收集的生理反应,称为模式,在接触刺激(如广告和包装)和任务(例如,存储勘探和购买流程)。最常见的形式包括中枢神经系统的活动(如脑电图,梅格,功能磁共振成像和检测技术和周围神经系统(如肌电图、心电图和SC),以及其他行为和生物特征变量(例如,凝视位置,面部表情,和语音功能)。

最初,形式处理形成特定的情感和认知评价指标,后一个知识的过程。值得注意的是,每个索引和相关的内部状态之间的关系主要是相关;此外,多数指数缺乏一个稳定的测量尺度和一组可靠指标的值。这些方面对其预测性能造成负面影响。此外,高层的行为不能直接预测,但距测量推断低级状态。为了克服这些限制,最近提出了一个数据驱动方法。因此,模式转换为一组特征送入机器学习(毫升)或深度学习(DL)模型,其参数调整最大化期望的结果的准确性(甚至一个高级的行为)。更重要的是,预测性能不是由实际的知识有限,但可以增加可用的数据量,使模型的灵活性和适应性。
本研究课题旨在收集理论和实验论文ML / DL的使用与生物电子技术(如脑电图、心电图、SC、EMG)和生物/行为(如面部表情、眼睛跟踪、语音功能)功能,与应用程序的消费者神经科学和神经学营销领域。潜在的主题包括,但不限于:

•原始ML / DL情感识别模型,在消费者神经或神经营销学领域的应用
•原始ML / DL精神状态估计模型,在消费者神经或神经营销学领域的应用
•评估已有的ML / DL模型的情感识别和精神状态估计,在消费者神经或神经营销学领域的应用
•审查和再分化的使用ML / DL消费者神经或神经营销学领域的方法
•原始数据集训练/ ML / DL基准模型对情感识别和心理评估
•消费者神经或神经营销学领域的实验研究使用ML / DL技术