神经营销学和消费者神经科学中的机器学习/深度学习方法

“消费者神经科学”和“神经营销学”都是指应用神经科学的方法和理论来研究人类消费行为背后的认知和情感，如决策、选择偏好和购买过程。它们在应用层面上有所不同:消费者神经科学被认为是一个更基础的、学术导向的学科，而神经营销学被认为是翻译/应用和面向商业的学科。他们没有使用传统的营销技术(例如，问卷调查和访谈)，而是收集在接触刺激(例如，广告和包装)和任务(例如，商店探索和购买过程)期间的生理反应，即所谓的模式。最常见的模式包括来自中枢神经系统(如脑电图、MEG、功能磁共振成像和近红外光谱)和周围神经系统(如肌电图、ECG和SC)的活动，以及其他行为和生物特征变量(如注视位置、面部表情和语音特征)。

最初，根据知识驱动的过程，处理模式以形成情绪和认知评估的特定指标。值得注意的是，各指标与相关内在状态的关系主要是相关关系;此外，大多数指标既缺乏稳定的衡量尺度，也缺乏一套可靠的基准值。这些方面对它们的预测性能产生了负面影响。此外，高水平的行为不能直接预测，只能从测量的低水平状态推断出来。为了克服这些限制，最近提出了一种数据驱动的方法。因此，模式被转换为一组特征，并被输入到机器学习(ML)或深度学习(DL)模型中，其参数被调整以最大化预期结果的准确性(甚至可以是高级行为)。更重要的是，预测性能不受实际知识的限制，而是可以随着可用数据量的增加而增加，使模型灵活和自适应。
本研究课题旨在收集关于ML/DL技术与生物电学(例如，EEG, ECG, SC, EMG)和生物特征/行为特征(例如，面部表情，眼球跟踪，语音特征)的使用的理论和实验论文，并将其应用于消费者神经科学和神经营销领域。潜在的主题包括但不限于:

•用于情感识别的原始ML/DL模型，应用于消费者神经科学或神经营销领域
•用于精神状态估计的原始ML/DL模型，应用于消费者神经科学或神经营销领域
•评估现有的ML/DL模型，用于情感识别和精神状态估计，应用于消费者神经科学或神经营销领域
对ML/DL方法在消费者神经科学或神经营销领域的使用进行回顾和元分析
•原始数据集，用于训练/基准ML/DL模型，用于情感识别和心理估计
•使用ML/DL技术在消费者神经科学或神经营销领域进行实验研究

关键字:消费者神经科学，神经营销学;消费者行为，人工智能，机器学习，深度学习，情感检测，精神状态估计，脑电图，皮肤电导，眼动仪

重要提示:所有对本研究主题的贡献必须在其所提交的章节和期刊的范围内，如其使命声明中所定义的那样。雷竞技rebat在同行评审的任何阶段，Frontiers保留将超出范围的稿件引导到更合适的章节或期刊的权利。