探究初級運(yùn)動皮層的神經(jīng)解碼機(jī)制.pdf_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、生物體主要通過產(chǎn)生神經(jīng)脈沖信號來傳遞信息,其中,運(yùn)動皮層的神經(jīng)信號包含大量對應(yīng)的運(yùn)動信息,尤其受到研究者的關(guān)注。隨著神經(jīng)科學(xué)與電子科學(xué)的發(fā)展,研究者可以通過植入微電極陣列的方法從運(yùn)動皮層提取出神經(jīng)信號,并使用一些數(shù)學(xué)方法來研究神經(jīng)信號,從中解析出運(yùn)動信息,并通過神經(jīng)接口轉(zhuǎn)化為指令來控制假肢的運(yùn)動,達(dá)到幫助殘疾人恢復(fù)運(yùn)動功能的目的。通過分析神經(jīng)信號而得到運(yùn)動信息過程叫做神經(jīng)解碼。通過分析和處理從猴子的初級運(yùn)動皮層提取的神經(jīng)信號,分別對猴子

2、進(jìn)行抓握運(yùn)動中的運(yùn)動變量和運(yùn)動軌跡進(jìn)行了預(yù)測和跟蹤,進(jìn)而對神經(jīng)解碼機(jī)制進(jìn)行了研究。
  主要使用了SVM、KNN和ELM等多種模式識別的方法對猴子手部的運(yùn)動方向和角度進(jìn)行了預(yù)測。對角度和方向的預(yù)測結(jié)果有著類似的規(guī)律,預(yù)測的平均準(zhǔn)確率隨著預(yù)測中所使用神經(jīng)元個(gè)數(shù)的增加而提高。當(dāng)使用SVM算法時(shí),預(yù)測得到的平均準(zhǔn)確率最高,但時(shí)間消耗也較大;而使用KNN算法的速度最快,但平均準(zhǔn)確率稍低。
  論文還通過分析單個(gè)神經(jīng)元的神經(jīng)脈沖信號,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論