文献

J-GLOBAL ID：201802242887999430   整理番号：18A2024185

Bayes適応カーネル平滑器(BAK)を用いたスパイク速度推定とその脳機械インタフェイスへの応用【JST・京大機械翻訳】

Spike Rate Estimation Using Bayesian Adaptive Kernel Smoother (BAKS) and Its Application to Brain Machine Interfaces

著者 (3件)： Ahmadi Nur (Department of Electrical and Electronic Engineering, Imperial College, London, SW7 2BT, UK) ,  Constandinou Timothy G. (Department of Electrical and Electronic Engineering, Imperial College, London, SW7 2BT, UK) ,  Bouganis Christos-Savvas (Department of Electrical and Electronic Engineering, Imperial College, London, SW7 2BT, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 2547-2550  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳機械インタフェイス(BMI)は,基礎となるニューロン活動に対する有用な測度を伝達するので,望ましい運動出力を解読するための入力特徴としてスパイク速度をほとんど利用する。スパイク速度は,粗い推定値を与える非重なり結合法を用いることにより,典型的に推定される。復号化性能を潜在的に改善できる滑らかな推定を生成できるいくつかの方法が存在する。しかしながら,これらの方法は,リアルタイムBMIに対して比較的計算的に重い。この問題に対処するために,滑らかな推定値を得ることができ,またリアルタイムのBMIにも対応できるスパイク率を推定するための新しい方法を提案した。Bayes適応カーネル平滑化(BAKs)と呼ばれる提案方法は,Bayesフレームワークを通して適応的に更新される事前分布を有するランダム変数として帯域幅を考慮するカーネル平滑化技術を採用する。事前分布とカーネル関数の適切な選択により,カーネル帯域幅に対して解析的表現を達成できる。BAKsを適用し,Kalmanフィルタを用いてオフラインBMI復号化性能に及ぼすその影響を評価した。結果は,BAKsが結合法と比較して復号化性能を改善できることを明らかにした。これは,リアルタイムBMIのためのBAKsの実現可能性と潜在的使用を示唆する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 推定量 ,  Kalmanフィルタ ,  *復号化 ,  測度 ,  帯域幅
準シソーラス用語： 解析表現 ,  Kernel関数 ,  ランダム変数 ,  事前分布 ,  Kernel平滑化 ,  実時間 ,  神経活動 ,  *ブレインマシンインタフェイス ,  速度推定 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 適応 ,  カーネル ,  Bak ,  スパイク ,  速度推定 ,  脳機械インタフェイス ,  応用