利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的...利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的模型去解码其手指移动位置,称之为卷积空间模型(Convolution space model,CSM).与传统的模型相比,卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关,而且与前多个时刻的状态也有相关.在实验中,利用公开数据来评判本文方法的解码性能,实验结果表明,传统方法的解码误差要大于CSM模型的方法,因此CSM模型具有更好的解码准确性.展开更多
如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题,现存方法解决该问题大多采用有监督训练,需要通过训练数据得到神经元锋电位信号与手指移动位置的关系,因此其估计性能依赖于训练数据.本文提出了一种无监督...如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题,现存方法解决该问题大多采用有监督训练,需要通过训练数据得到神经元锋电位信号与手指移动位置的关系,因此其估计性能依赖于训练数据.本文提出了一种无监督解码方法,该方法基于状态空间模型(State space model,SSM),利用神经网络得到神经元锋电位数与手指移动位置的关系权值,再用逐次状态估计方法去估计手指移动的位置.为减少训练的复杂度和提高估计准确度,采用一种非线性的积分卡尔曼滤波(Cubature Kalman filtering,CKF)来完成神经网络的训练和手指位置的逐次状态估计.与传统方法相比,该方法的最大特点是无监督,可以由神经元锋电位簇向量直接估计手指移动位置,而无需有监督训练.实验结果显示,当采用较少的有监督数据,现存方法与本文方法相比有较大的估计误差;当采用较多的有监督数据,现存方法才具有与本文方法相近似的估计误差.展开更多
文摘利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的模型去解码其手指移动位置,称之为卷积空间模型(Convolution space model,CSM).与传统的模型相比,卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关,而且与前多个时刻的状态也有相关.在实验中,利用公开数据来评判本文方法的解码性能,实验结果表明,传统方法的解码误差要大于CSM模型的方法,因此CSM模型具有更好的解码准确性.
文摘如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题,现存方法解决该问题大多采用有监督训练,需要通过训练数据得到神经元锋电位信号与手指移动位置的关系,因此其估计性能依赖于训练数据.本文提出了一种无监督解码方法,该方法基于状态空间模型(State space model,SSM),利用神经网络得到神经元锋电位数与手指移动位置的关系权值,再用逐次状态估计方法去估计手指移动的位置.为减少训练的复杂度和提高估计准确度,采用一种非线性的积分卡尔曼滤波(Cubature Kalman filtering,CKF)来完成神经网络的训练和手指位置的逐次状态估计.与传统方法相比,该方法的最大特点是无监督,可以由神经元锋电位簇向量直接估计手指移动位置,而无需有监督训练.实验结果显示,当采用较少的有监督数据,现存方法与本文方法相比有较大的估计误差;当采用较多的有监督数据,现存方法才具有与本文方法相近似的估计误差.
