文献笔记5-Decoder calibration with ultra small current sample set

本文的研究旨在通过使用超小的电流样本集来进行解码器校准，以改进颅内脑机接口（intracortical brain–machine interface，iBMI）的性能。研究团队使用了两只成年雄性恒河猴进行实验，通过空间伸手和抓握任务来评估解码器的性能。研究团队提出了一种新的解码器校准方法，称为PDA方法，该方法基于迁移学习和主成分分析。与大多数迁移学习研究不同的是，本研究的目标数据是超小的样本集，因此迁移学习的方向是从目标数据到源数据。

文献笔记3-Using High-Frequency Local Field PotentialsFromMulticortex

本文研究了使用高频局部场电位（LFPs）从多个皮层解码猴子的伸手和抓握动作的潜力。研究使用微电极阵列长期植入到两只猴子的主运动皮层（M1）、体感皮层（S1）和后顶叶皮层（PPC）中记录LFPs，猴子在训练中执行三维伸手和抓握动作。采用小波包变换（WPT）方法提取高频LFP信号的时间和频率信息，并选择WPT系数的节点能量作为特征。通过主成分分析（PCA）对特征进行降维后，使用支持向量机（SVM）解码器对离散的伸手位置和抓握姿势进行分类。结果表明，使用高频LFPs和WPT方法可以实现高解码准确率，这种LFPs可以作为iBMIs中运动意图解码的有用信号。此外，与单个皮层相比，多个皮层的LFPs可以实现更好和更稳定的解码性能。

文献笔记2Multi-source domain adaptation

《Multi-source domain adaptation for decoder calibration of intracortical brain-machine interface》

文献-《Temporal-Spectralin Spike-LFPT...ransformer Networks》

基于变压器网络的尖峰LFP译码中的时间谱连接研究