基于Spiking神经网络的脑运动分类研究
146 浏览量
2021-02-22
20:14:21
上传
评论
收藏 238KB PDF 举报
收稿日期 :2008 - 08 - 12
基金项目 :国家自然科学基金
(
60674105 ,60340420431
)
;教育部博士点基金
(
20050487013
)
作者简介:王 博
(
1985 —
)
,男 ,江西吉安人 ,硕士研究生 ,研究方向 :智能优化 ,机器人控制
(
E - mail :wb8517 @hotmail. com
)
胡成玉
(
1978 —
)
,男 ,湖北枣阳人 ,讲师 ,研究方向 :智能优化、神经网络。
文章编号 :1003 - 6199
(
2008
)
04 - 0102 - 03
基于 Spiking 神经网络的脑运动分类研究
王 博
1
,胡成玉
2
,方慧娟
2
,王永骥
2
(
1.上海交通大学 自动化系 ,上海 200084;2. 华中科技大学 图像信息处理与智能控制教育部重点实验室 ,湖北 武汉 430074
)
摘 要 :针对大脑运动皮层群体神经元信号与运动行为关系的分析 ,提出一种 Spiking 神经网络
(
SNN
)
的分类算法。SNN 的网络连接权值与突触连接的延时参数采用改进的粒子群优化方法
(
PSO
)
进行训练 。
仿真结果表明 SNN 分类效果优于群体向量法
(
PV
)
分类效果 ,有利于实现性能更高的用于神经康复的脑机
接口系统。
关键词 :脉冲神经网络 ;分类 ;粒子群优化 ;群体向量法 ;脑机接口
中图分类号 : TP391 文献标识码 :A
Studies on Cortical Neural Signals Classification Based
on Spiking Neural Networks
WAN G Bo
1
, HU Cheng2yu
2
, FAN G Hui2juan
2
, WAN G Yong2ji
2
(
1. Automation Department , Shanghai Jiaotong University , Shanghai 200084 ,China ;
(
2. Ke
y Lab of Image Processing and Intelligent control of Education Ministry , Department of Control Science
and Engineering , Huazhong University of Science and Technology ,Wuhan 430074 ,China
)
Abstract :In this paper , a Spiking neural network
(
SNN
)
based classifier is used to analyze motor cortical neural signals. The
neural ensemble data were recorded simultaneously with kinematics of arm movement while the monkey performed reaching tasks
from the center position to eight peripheral targets in a three - dimensional virtual environment. The weighting and synapse time
delay of SNN were updated by an improved particle swarm optimization
(
PSO
)
algorithm. The classification results of the SNN
were compared with that of the population vector algorithm classifier. The results showed that the SNN classifier is better than PV
classifier and SNN method holds hope for a possibly more accurate brain - computer interface for neural prosthesis.
Key words :Spiking Neural Networks
(
SNN
)
; classification ; Particle Swarm Optimization
(
PSO
)
; Population Vector
(
PV
)
algorithm ; Brain - Computer Interface
(
BCI
)
1 引 言
近年来 ,对脑机接口
(
BCI , Brain Computer In2
terface
)
[1 ]
等神经康复系统的研究逐渐兴起。脑机
接口是一种不依赖于脑的正常输出通路
(
即外周神
经和肌肉
)
的脑 - 机
(
计算机或其他装置
)
通讯系
统 ,它的出现 ,使得利用人脑神经元信号直接控制
外部设备的想法成为可能。随着微电极技术的迅
猛发展与脑外科手术的日趋成熟 ,在训练非人灵长
类动物完成各种特定运动行为的同时 ,科学家们已
经能够利用植入到其大脑运动区皮层
(
motor cor2
tex
)
的多通道微电极组提取群体神经元的信号进
行实验研究
[2 ]
。通过这些实验得到的数据可以用
来分析运动神经元信号与其运动行为之间的关系。
目前已经有多种从大脑神经元活动中提取运
动信息的辨识方法
[3 ]
。如群体向量法
(
population
vector algorithm ,PV
)
,最大似然估计 ,模式识别和
人工神经网络
(
ANN
)
等。本文采用脉冲神经网络
(
SNN
)
方法分析大脑运动皮层神经元信号和运动
行为的关系进行分类 ,采用了一种单突触连接的
SNN 网络结构 ,训练采用改进的粒子群
(
PSO
)
算
第 27 卷第 4 期
2 0 0 8 年 1 2 月
计 算 技 术 与 自 动 化
Computing Technology and Automation
Vol127 ,No14
Dec. 2 0 0 8
评论0
最新资源