文献

J-GLOBAL ID：202202239578022593   整理番号：22A0977801

Bayes適応カーネルスムーザと深層学習を用いた改良型スパイクベース脳-機械インタフェイス【JST・京大機械翻訳】

Improved Spike-Based Brain-Machine Interface Using Bayesian Adaptive Kernel Smoother and Deep Learning

著者 (5件)： Ahmadi Nur (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K) ,  Adiono Trio (School of Electrical Engineering and Informatics, Bandung Institute of Technology, Bandung, Indonesia) ,  Purwarianti Ayu (School of Electrical Engineering and Informatics, Bandung Institute of Technology, Bandung, Indonesia) ,  Constandinou Timothy G. (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K) ,  Bouganis Christos-Savvas (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 29341-29356  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 単一ユニット活動(SUA)ベースの脳マシンインタフェイス(BMI)によって直面するロバスト性問題を緩和するために,マルチユニット活性(MUA)を提案した。ほとんどのMUAベースBMIは,行動パラメータを解読するための発火率と線形復号器を推定するためのビンニング法を採用する。ビンニングと線形復号器の限界は,MUAベースのBMIの準最適性能をもたらす。この問題に取り組むために,著者らは,復号化アルゴリズムとして,発火率推定アルゴリズムおよび深層学習,特に準再電流ニューラルネットワーク(QRNN)として,Bayes適応カーネル平滑(BAKS)から成る方法を提案した。2つの非ヒト霊長類の一次運動皮質から慢性的に記録された皮質内神経データから(オフライン)手運動学を再構成するための提案した方法を評価した。記録セッションと被験者にわたる広範な経験的結果は,提案方法が,発火率推定アルゴリズムと復号化アルゴリズムの他の組合せを一貫して凌ぐことを示した。全体的な結果は,MUAベースのBMIの復号化性能を改善するための提案した方法の有効性を示唆する。Copyright 2022 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： アルゴリズム ,  電流 ,  ニューラルネットワーク ,  復号器 ,  ヒト ,  霊長類 ,  *復号化 ,  皮質 ,  発火【生理】 ,  パラメータ ,  インタフェイス ,  ロバスト性 ,  *機械学習
準シソーラス用語： 被験者 ,  推定アルゴリズム ,  一次運動野 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 適応 ,  深層学習 ,  スパイク ,  脳 ,  インタフェイス