Resumen

Los modelos tradicionales de movimiento ocular se basan en suposiciones psicológicas y datos empíricos que no pueden simular el movimiento ocular en datos de texto previamente no vistos. Para abordar este problema, se presenta y prueba en este documento un nuevo tipo de modelo de movimiento ocular. A diferencia de los modelos de movimiento ocular basados en psicología convencional, el nuestro se basa en una red neuronal recurrente (RNN) para generar una secuencia de predicción de punto de mirada, utilizando la combinación de redes neuronales convolucionales (CNN), redes neuronales de memoria a corto y largo plazo bidireccionales (LSTM) y campos aleatorios condicionales (CRF). El modelo utiliza los datos de movimiento ocular de un lector leyendo algunos textos como datos de entrenamiento para predecir los movimientos oculares del mismo lector leyendo un texto previamente no visto. Se presenta un análisis teórico del modelo para mostrar su excelente rendimiento de convergencia. A continuación, se presentan resultados experimentales para demostrar que el modelo propuesto puede lograr una precis

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Movimiento ocular; Red neuronal; Predicción del punto de mirada; Redes neuronales convolucionales; Redes neuronales de memoria a largo plazo; Campos aleatorios condicionales
• Keywords:Eye movement; Neural network; Gaze point prediction; Convolutional neural networks; Long short-term memory networks; Conditional random fields