用于确定认知需求的系统和方法

技术领域

本公开涉及用于确定认知需求的系统和方法，并且更具体而言涉及确定车辆的驾驶员的认知需求。

背景技术

车辆驾驶员可能会因同时执行一个或多个附加任务或因经历由交通状况引起的压力而在驾驶时分心。这增加了驾驶员的认知需求，从而可能不利地影响驾驶员的表现，这取决于他是否分心。用于为驾驶员提供支持的高级驾驶员辅助系统通常被配置用于持续的低认知需求。因此，这些系统受益于检测到驾驶员的认知需求。因此，需要检测人、特别是汽车的驾驶员的认知需求。

认知需求的主题在以下各项中进行了讨论：

·Niculescu等人在2009年7月19日至24日在圣地亚哥举办的第13届人机交互国际会议上发表的“多模式对话交互中的压力和认知负荷(Stress and Cognitive Load inMultimodal Conversational Interactions)”第891至第895页

·Hone等人，自然语言工程6,287(2000)。DOI：10.1017/S1351324900002497

驾驶模拟器的有效性在以下各项中公开：

·McWilliams,T.等人，交通研究记录，2672,164(2018)。DOI:10.1177/0361198118798729。

·Deniaud等人，J.Interact.Sci.3,1(2015)。DOI:10.1186/s40166-015-0005-z

·Ekanayake等人，国际计算机游戏技术杂志2013，891431(2013)。DOI:10.1155/2013/891431

·Chua等人，J.Med.Internet Res，21,e14821(2019)，DOI:10.2196/14821

https://cdn.euroncap.com/media/43373/euro-ncap-assessment-protocol-sa-v901.pdf描述了用于驾驶员状态检测的主要应用。

以下文件涉及根据驾驶员的精神状态配置车载电子器件：

·https://media.daimler.com/marsmediasite/en/instance/ko/energizing-comfort-control-wellness-while-driving.xhtml？oid＝22934464

·https://media.daimler.com/marsmediasite/en/instance/ko/energizing-comfort-control-your-personal-coach-is-always-on-board.xhtml？oid＝43504472

·https://www.bmwblog.com/2019/11/09/video-how-to-create-a-feel-good-atmosphere-inside-your-new-bmw/

US 9248819 B1和US 9132839 B1公开了用于定制车辆的车辆部件控制系统的方法。

http://www.nhtsa.gov.edgesuite-staging.net/dot/nhtsa/nrd/multimedia/pdfs/crash％20avoidance/driver％20distraction/driver％20workload％20metrics％20final％20report.pdf讨论了认知负荷对驾驶质量和驾驶员在驾驶员相关任务中的表现的影响。

欧洲新车评估计划Euro NCAP、评估协议-安全助手(版本9.0.1，2019年2月(https://cdn.euroncap.com/media/43373/euro-ncap-assessment-protocol-sa-v901.pdf.))涉及确定驾驶员是否在驾驶中分心的问题。

以下公开内容涉及精神状态分析：

·US 9934425 B2

·US 2018/0125405 A1

·US 2018/0125356 A1

·US 7344251 B2

·US 6090051 A

·US 2018/0125406 A1

·US 7435227 B2

·US 7938785 B2

·WO 2006/024129 A1

·US 9723992 B2

·US 9646046 B2

·US 10111611 B2

·US 9763573 B2

·WO 2015/116832 A1

·US 7438418 B2

·US 2007/0066916 A1

·WO 2008/107832 A1

·US 6102870 A

·US 2008/0150734 A1

US 10399575 B2公开了一种认知负荷驾驶助手。

US 10368741 B2公开了一种用于处理从用户感测到的信号的系统和方法。

US 2020/0003570 A1公开了一种用于基于乘客行为控制自主车辆的系统。

US 2020/0156654 A1公开了一种用于操作员评估的计算机实施的方法。

US 2019/0101985 A1公开了使用大脑-人工智能接口进行深度强化学习的系统和方法。

DE 10 2015/200775A1公开了一种用于独立评估车辆的驾驶员的情绪状态和认知负荷的装置、驾驶员辅助系统、车辆和方法。

发明内容

本文公开并要求保护用于确定认知需求的方法和系统。

本公开可涉及一种用于确定用户的认知需求的计算机实施的方法。该方法包括：

·将用户的一个或多个第一生物信号记录作为第一训练数据子集，其中所述第一生物信号指示所述用户正忙于至少一个第一任务；

·获得指示所述用户正在经历的认知需求的信息作为第二训练数据子集；

·将所述第一训练数据子集和所述第二训练数据子集作为训练数据集提供给人工神经网络；

·根据所述训练数据集训练所述人工神经网络以确定指示所述用户正在经历的认知需求的认知需求水平；

·将车辆的用户的一个或多个第二生物信号记录作为输入数据集；以及

·由所述训练过的人工神经网络处理所述输入数据集以确定指示所述用户正在经历的认知需求的认知需求水平。

本公开是基于可以使用外部可观察的生物信号来确定用户的认知需求的原理。记录生物信号，并且检测生物信号的变化，即，偏离基线。训练人工神经网络以确定认知需求如何使生物信号产生偏差。人工神经网络然后可以获得关于认知需求水平的信息，即使在诸如车辆的嘈杂环境中也是如此。术语“认知需求”被理解为包括认知负荷和压力。认知负荷与用户是否只忙于第一任务(例如，驾驶车辆或驾驶飞机)或用户是否除了第一任务之外还同时忙于至少一个任务有关。压力可能是由第一任务本身引起的。例如，车辆的驾驶员可能因危险的交通情境或任何其他引起压力的事件而感受到压力。

所述方法包括训练阶段和推断阶段。在训练阶段中，在与使用所述方法的设置类似的训练设置中从受试者记录生物信号。这可能是例如诸如驾驶模拟器的实验室设置或诸如驾驶车辆的更现实情境。关于受试者正在经历的认知需求、特别是关于认知需求相对于典型的驾驶认知需求是否增加的信息连同生物信号一起作为训练数据集提供给人工神经网络。人工神经网络被配置为接收一个或多个生物信号(诸如心搏间期(IBI)或眼睛注视方向)作为输入，并产生指示认知需求水平的输出信号。通过训练，确定人工神经网络中将生物信号与输出的认知需求水平信号相关的权重。在推断阶段中，人工神经网络产生指示认知需求水平的输出信号。当信号超过预定阈值时，认知需求水平被认为是高的。响应于该确定而生成输出信号，并且可以不同地配置其他连接的装置。例如，可以修改方向盘或制动踏板的灵敏度。确定生物信号可以包括由传感器记录数据并通过如下所述的一个或多个预分析步骤将数据转换为生物信号。

在一个实施方案中，所述方法还包括在记录所述生物信号之后通过将时间窗口应用于所述记录的生物信号将所述一个或多个生物信号转换为指示每次事件的频率和/或持续时间的连续格式，所述时间窗口具体而言是滑动时间窗口。该预处理步骤允许以有用的格式指定生物信号，例如，按时间的心搏次数。通过对时间窗口内的生物信号进行平均，可以消除快速变化。因此，如果由于噪声导致测量在短时间内失败，则有效信号将持续可用。

在一个实施方案中，所述至少一个第一任务包括驾驶车辆。所述方法对于确定驾驶员的认知需求水平特别有用，因为驾驶员的生物信号可以通过车辆中所包括的各种传感器来获得。此外，确定驾驶员的认知需求水平对于提高道路安全尤为重要。

在一个实施方案中，所述一个或多个生物信号包括心搏间期IBI。心脏IBI是一种特别有用的生物信号，因为它与认知负荷和压力两者有关，并且因为它可以用包括非接触式方法的多种方法来检测。

在一个实施方案中，记录生物信号包括借助于附接到用户的接触式传感器来确定所述心搏间期。替代地，记录所述生物信号包括借助于面向所述用户的RGB相机来确定所述心搏间期。这允许在不需要与用户直接接触的传感器的情况下检测心搏间期。由此，用户可以在不需要连接到传感器的情况下使用所述系统。

在一个实施方案中，所述生物信号包括眼睛指标，特别是眼睛注视方向、眼睛开合度和眼动数据中的一者或多者。眼睛指标与认知负荷高度相关。

在一个实施方案中，记录所述生物信号包括：由相机捕获所述用户的图像，并且分析所述图像以确定所述眼睛指标，特别是眼睛注视方向、眼睛开合度和眼动数据中的一者或多者。这种方法是非接触式的并且只需要使用面向用户的相机。这特别是在车辆中提高了易用性。

在一个实施方案中，所述方法还包括由预处理器分析所述眼睛指标以确定注视、眼跳和眨眼，特别是眨眼持续时间、眼睑闭合速度、眼睑睁开速度中的一者或多者的发生。由此，数据中的熵减小，并且生物信号包括特别适于训练神经网络的信息。

在一个实施方案中，所述认知需求包括与所述用户除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务相关的认知负荷。这是本公开的主要应用中的一者。用户(例如，车辆的驾驶员或飞机的飞行员)可能会因多个其他活动(例如，使用诸如电话的电子装置)或因车辆中的其他人而分心。如果用户正忙于第二任务，这会引起认知负荷增加。然后，可以由生物信号(特别是特别受认知负荷影响的眼动特性)检测认知负荷。然而，也可以使用其他生物信号，诸如心搏间期。

在一个实施方案中，所述方法还包括：

·如果所述确定的认知负荷水平超过预定义阈值，则确定所述用户正在经历高认知需求；以及

·如果所述确定的认知负荷水平等于或低于所述预定义阈值，则确定所述用户未经历高认知需求。

由此，人工神经网络的输出被变换为表示用户是否正在经历高认知需求的信息的二进制输出信号。具体而言，“高认知需求”可以被定义为指示认知需求是否显著超过驾驶情境的典型认知需求的布尔变量。这可能是由于驾驶员因第二任务分心或者由于驾驶员经历的压力而引起的情况。二进制输出信号然后可以用于控制包括在车辆中、附接或连接到车辆上的装置和系统。

在一个实施方案中，所述认知需求包括压力。压力可以由生物信号来感测。例如，心搏间期与压力密切相关，因此非常适合压力检测。

在一个实施方案中，所述方法还包括：

·如果所述确定的认知需求水平在预定时段内超过预定义阈值，则确定所述用户正在经历高认知需求；以及

·如果所述确定的认知需求水平在所述预定时段内等于或低于所述预定义阈值，则确定所述用户未经历高认知需求。

由此，生成二进制信号，所述二进制信号不仅取决于在线确定的当前认知需求水平，而且还允许对过去预定时间段中的认知需求的短时间峰值做出反应。例如，如果用户由于紧张的交通情境而感受到压力，则更大的可能性是进一步的压力即将来临，并且压力的心理影响可能比身体影响持续更长时间。因此，如果输出处指示的压力水平在某个先前确定的持续时间内维持为高，则存在优势。

在一个实施方案中，所述方法还包括基于确定所述用户正在经历高认知需求，进行以下动作中的一个或多个：

·向所述车辆附近的一辆或多辆车辆传输警告，

·向驾驶员辅助系统输出信号，

·激活限速器，

·调整制动踏板或方向盘的灵敏度，

·激活车道保持系统，

·执行自动紧急停止操纵，

·修改与所述车辆中或附接到所述车辆上的音频、照明、导航和/或空调系统有关的设置。

这些动作通过对驾驶员的增加的认知需求作出反应而具有提高交通安全的效果。如果以本公开中描述的任何方式确定高认知需求，则可以执行这些动作中的任何动作。具体而言，可以取决于认知需求是否与认知负荷(即，驾驶员执行第二任务)相关或与压力水平相关来执行不同动作。

在本公开的第二方面，提供了一种用于确定用户的认知需求水平的系统。所述系统包括第一计算装置、第一传感器、第二计算装置和第二传感器。所述系统被配置为执行上述步骤。本公开的计算机实施的方法的所有属性对于所述系统也是有效的。

附图说明

根据下面结合附图阐述的详细描述，本公开的特征、方面和优点可能变得更加显而易见，在整个相同的附图标记是指类似元件。

图1描绘了用于检测认知需求水平的系统的框图；

图2描绘了根据一个实施方案的用于检测指示认知需求水平的一个或多个指标的方法的流程图；

图3描绘了根据一个实施方案的用于确定认知需求水平的方法的流程图；以及

图4描绘了根据一个实施方案的用于确定认知需求水平的人工神经网络的训练方法的流程图。

具体实施方式

图1描绘了用于检测认知需求水平的系统100的框图。所述系统包括用于可见光的彩色相机102以及红外相机104。这两种相机都面向系统的用户，并记录用户面部的图像。相机的典型帧速率可能在例如每秒30帧(fps)至60fps之间。红外相机的相机分辨率足够高到允许确定眼睛开合度、眼睛注视方向和眼动。例如，典型值可能是1280px×800px。

来自相机和/或其他传感器的数据由计算装置106处理。计算装置106的部件108至118可以在硬件或软件中实施。首先，指标生成器基于相机图像生成指标，所述指标生成器可以被实施为心搏间期提取器108或眼睛注视方向提取器110，以将相机图像转换为生物信号，如下文参考图2中的步骤206所讨论的。二阶指标生成器112是任选部件，并将生物信号转换为具有有限时间持续时间和生理意义的行为模式，如下文参考图2中的步骤208所讨论的。连续指标生成器114将指标转换为连续形式，所述指标可以是多个标量信号，所述多个标量信号随时间变化并且指示滑动时间窗口期间的生物信号，如下文参考图2中的步骤210所描述的。认知需求水平检测器116被配置为基于生物信号导出指示认知需求水平的值。它可以被实施为人工神经网络、特别是卷积神经网络。认知需求水平检测器执行图3中所示的步骤以确定认知需求水平。它通过下面图4所示的步骤进行训练。任选部件控制器118被配置为响应于认知需求水平达到某个值、特别是在认知需求水平高于预定阈值时，控制或修改汽车电子器件的其他部件的设置。

图2描绘了根据一个实施方案的用于检测指示认知需求水平的一个或多个指标的方法的流程图。

当发起系统的操作，特别是系统所附接的车辆的操作时，所述过程开始202。例如，用相机以30fps至60fps的帧速率捕获用户面部的图像204。对每个图像执行以下步骤，但是以下步骤可能包括重新使用先前图像的中间结果。因此，可以以等于相机的帧速率的速率生成生物信号。

基于相机图像生成指标206。这些指标特别包括心搏间期(IBI)和/或眼睛注视方向指标。为了确定心脏IBI，在图像上识别用户的头部，并且识别感兴趣区域，如果用户转动头部，则所述感兴趣区域会随头部移动。这生成指示感兴趣区域中的像素值的信号。在去除扰动影响之后，找到指示心脏IBI的周期性变化，并且基于这些周期性变化确定心脏IBI。然而，该特定过程仅仅是用于感测心脏IBI的过程的示例性实施方案。替代地，例如，心脏IBI可以由接触式传感器基于心电图来确定。

在同一步骤中，从红外相机104的图像中推断出眼动特性。在图像上，确定用户眼睛的瞳孔相对于用户头部的位置。由此，确定连续的坐标序列，其描述从瞳孔中心指向外的向量的方向，即，法向于眼睛表面。坐标可以是欧拉角，或者是三维空间中的向量的坐标。为了确定睁眼的程度，确定上下眼睑的轮廓，并且确定它们之间的最大距离。该最大距离是眼睛开合度的指标并且可以被归一化，即，被表达为眼睛完全睁开状态的百分比。替代地，它可以使用适当的标度被表达为以像素或者毫米或毫弧度为单位的距离。然而，该特定方法仅是用于眼睛注视方向和开合度信息的传感器的示例性实施方案。此外，本公开不限于检测与眼睛和心脏IBI相关的数据。在其他示例性实施方案中可以测量其他生物信号。

任选地，可以导出二阶指标208。该术语涉及具有有限时间持续时间的行为模式，所述行为模式具有生理意义。例如，闭眼(即，开合度低于阈值)的时段可以被称为眨眼。在该时间期间，无法确定眼睛注视方向。相反，当睁眼时，可以确定眼睛注视方向。注视是缓慢眼动的时间间隔，被定义为在预定持续时间内眼睛注视方向不移动超过两度角的时段。相反，其余时间(即，当眼睛移动相对较快时)被认为是一系列眼跳(快速眼动的时段)。因此，任何时刻都可以被明确地归类为属于眼跳、注视或眨眼。基于这种分类，可以确定每个时间帧的长度、平均注视移动速度、眨眼持续时间、眼睑闭合速度、眼睑睁开速度和其他二阶指标。

将指标进一步转换为连续指标210。时间窗口内的心脏IBI可以被归一化和求平均。同样，可以对滑动窗口的持续时间内的眨眼频率、眼睛开合度和眼动特性求平均。具体而言，滑动窗口可以具有不同的长度并且相对于彼此偏移。如果例如高认知负荷在短时间之后导致眼动发生修改并在较长时间之后导致不同的心脏IBI，则用于这些彼此对应的生物信号的两个滑动时间窗口的长度可能不相等，并且可能不重叠。

此外，眼跳、注视和眨眼的离散序列也可以被变换为连续表示。例如，在30秒的预定时间窗口中，用户可以眨眼六次，保持总时间为10秒的三次注视，并保持总时间为18秒的四次注视。对应的连续指标则包括：眨眼次数等于6，注视次数等于3，总注视时间等于10秒，以及平均注视时间等于3.3秒。窗口可以滑动使得对连续指标的下一次评估可以在1个时间单位后开始的窗口内完成，从而与前一窗口有显著重叠。由此，作为输出信号的指标随时间连续变化，并且从一个时刻到下一个时刻通常不会从一个值跳到完全不同的值。由此，降低了噪声和寄生效应对输出信号的影响。这些指标然后用于确定认知需求水平，如下文参考图3所述，并用于训练人工神经网络，如下文参考图4所述。

图3描绘了根据一个实施方案的用于确定认知需求水平的方法的流程图。

当发起系统的操作时，所述过程开始302。根据图2中描述的过程确定指标304。人工神经网络使用所得指标来确定认知需求水平。人工神经网络生成指示认知需求水平的单个连续输出值。如果输出值超过预定阈值，则基于认知需求水平采取一个或多个动作308。

控制或修改设置可以包括例如向车辆附近的一辆或多辆车辆传输警告以就驾驶员感受到压力或分心通知它们。车辆中的音频、照明、导航或空调系统可以被设定为辅助驾驶员专注于交通。例如，收音机上的音乐可以被设定为较低音量。此外，可以不同地配置驾驶员辅助系统，例如使得制动器对制动踏板上的任何动作反应更快，或者车道保持系统被激活。可以激活限速器以防止车辆超过预定最大速度。此外，在极端认知需求的情况下，可以执行自动紧急停止操纵。

图4描绘了根据一个实施方案的用于确定认知需求水平的人工神经网络的训练方法的流程图。

人工神经网络可以通过让大量受试者(例如，数百个受试者)在受控环境中驾驶汽车模拟器来训练。由此，使得训练条件更加灵活、可控和安全。已知的驾驶模拟器与现实世界驾驶非常类似以允许训练人工神经网络。

以与在执行人工神经网络的推断方法(如参考图2所述)期间相同的方式记录和处理生物信号404。生物信号形成第一训练数据子集。作为受控变量，受试者可能会或可能不会执行除在预定时间驾驶之外的第二任务。例如，在十分钟时段期间，受试者只驾驶汽车。在接下来十分钟时段内，受试者执行附加任务。该变量-是否正在执行附加任务-作为第二训练数据子集输入到人工神经网络中。将第一训练数据子集和第二训练数据子集作为训练数据集提供给人工神经网络408。根据训练数据集训练人工神经网络410。

在替代实施方案中，受控变量是引起压力的情境。为了训练人工神经网络，发生潜在的危险情境并且所述发生被指示为第二训练数据子集的一部分。例如，模拟器可以模拟十分钟的普通交通情境，然后模拟也持续十分钟的一系列危险情境。可以使用这些数据集训练人工神经网络。可以通过同时使用各种其他方法(诸如心电图或脑电图)测量用户的压力水平来改进该过程，由此获得关于压力水平的精确信息。另外或替代地，压力水平可以通过确定相关值(诸如用户的反应时间、保持车道的稳定性或时间分配模式(即，用户注意例如道路、仪表板、后视镜的时间))来表征。替代地或另外，可以在评估情境和记录的数据两者之后手动确定情境的预期的或实现的压力水平，以便在发起训练之前调整第二训练数据集。因此，第二训练数据集包括在记录第一训练数据集时给予时间段的标签。根据基于神经生理学研究的适当知识的评估，标签指示压力水平。这允许训练人工神经网络来检测用户实际经历的压力，使得训练受试者之间的不同压力反应不会在训练阶段中引入不确定性。因此，通过减少误报和漏报的次数，提高了训练的准确性，即，提高了F1分数。由此，需要较少的训练运行次数。

示例

1.一种用于确定用户的认知负荷水平的方法，所述方法包括：

将用户的一个或多个第一生物信号记录作为第一训练数据子集，其中所述生物信号指示所述用户正忙于至少一个第一任务；

获得指示所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务的信息作为第二训练数据子集；

将所述第一训练数据子集和所述第二训练数据子集作为训练数据集提供给人工神经网络；

根据所述训练数据集训练所述人工神经网络以确定指示所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务的认知负荷水平；

将用户的一个或多个第二生物信号记录作为输入数据集；以及

由所述训练过的人工神经网络处理所述输入数据集以确定所述用户的认知负荷水平以确定所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务。

2.一种用于确定用户的认知负荷水平的系统，所述系统包括：

第一计算装置；

第一传感器；

第二计算装置(106)；以及

第二传感器(102、104)；

其中：

所述第一传感器被配置为将用户的一个或多个第一生物信号记录作为第一训练数据子集，其中所述生物信号指示所述用户正忙于至少一个第一任务；

所述第一计算装置被配置为执行以下步骤：

获得指示所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务的信息作为第二训练数据子集；

将所述第一训练数据子集和所述第二训练数据子集作为训练数据集提供给人工神经网络；以及

根据所述训练数据集训练所述人工神经网络以确定指示所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务的认知负荷水平；

所述第二传感器(102、104)被配置为将用户的一个或多个第二生物信号记录作为输入数据集；并且

所述第二计算装置(106)被配置为由所述训练过的人工神经网络处理所述输入数据集以确定所述用户的认知负荷水平以确定所述用户是否除了所述第一任务之外还忙于除所述第一任务之外的至少第二任务。

3.一种用于确定用户的压力水平的方法，所述方法包括：

将用户的一个或多个第一生物信号记录作为第一训练数据子集，其中所述生物信号指示所述用户正忙于至少一个第一任务；

获得指示所述用户是否暴露于引起压力的情境的信息作为第二训练数据子集；

将所述第一训练数据子集和所述第二训练数据子集作为训练数据集提供给人工神经网络；

根据所述训练数据集训练所述人工神经网络以确定指示所述用户是否暴露于引起压力的情境的压力水平；

将用户的一个或多个第二生物信号记录作为输入数据集；以及

由所述训练过的人工神经网络处理所述输入数据集以确定所述用户的压力水平以确定所述用户是否暴露于引起压力的情境。

4.一种用于确定用户的认知负荷水平的系统，所述系统包括：

第一计算装置；

第一传感器；

第二计算装置(106)；以及

第二传感器(102、104)；

其中：

所述第一传感器被配置为将用户的一个或多个第一生物信号记录作为第一训练数据子集，其中所述生物信号指示所述用户正忙于至少一个第一任务；

所述第一计算装置被配置为执行以下步骤：

获得指示所述用户是否暴露于引起压力的情境的信息作为第二训练数据子集；

将所述第一训练数据子集和所述第二训练数据子集作为训练数据集提供给人工神经网络；以及

根据所述训练数据集训练所述人工神经网络以确定指示所述用户是否暴露于引起压力的情境的压力水平；

所述第二传感器(102、104)被配置为将用户的一个或多个第二生物信号记录作为输入数据集；并且

所述第二计算装置(106)被配置为由所述训练过的人工神经网络处理所述输入数据集以确定所述用户的压力水平以确定所述用户是否暴露于引起压力的情境。

附图标记

102 RGB相机

104 红外相机

106 计算装置

108 心搏间期提取器

110 眼睛注视方向提取器

112 二阶指标生成器

114 连续指标生成器

116 认知需求水平检测器

118 部件控制器

200 用于检测指示认知需求水平的一个或多个指标的方法

202至212 用于检测指示认知需求水平的一个或多个指标的方法的步骤

300 用于确定认知需求水平的方法

302至310 用于确定认知需求水平的方法的步骤

400 用于确定认知需求水平的人工神经网络的训练方法

402至412 用于确定认知需求水平的人工神经网络的训练方法的步骤