用机器学习方法监测神经表征的激活，此前多依赖功能磁共振等成像手段。加州大学欧文分校的研究者提出一套基于脑电的任务与分析流程：受试者观看分属5个类别（动物、工具、食物、场景、交通工具）的图像与词语，当连续两个物品属于同一类别时作出反应；研究者在每名受试者内部训练支持向量机，对脑电数据作类别分类。
结果显示，图像试验与词语试验都取得了显著的类别分类准确率，但图像试验的准确率更高。两两比较中，图像试验的所有类别对均可统计区分，词语试验仅有一对可区分。电极层面的分析显示，顶叶和左颞电极对图像分类的贡献大于额叶和右颞电极。研究为预印本，尚未经过同行评审。