Loading...
机构名称:
¥ 2.0

直接从神经信号解码行为、感知或认知状态对于脑机接口研究至关重要,也是系统神经科学的重要工具。在过去十年中,深度学习已成为从语音识别到图像分割等许多机器学习任务的最新方法。深度网络在其他领域的成功引发了神经科学领域新一轮的应用浪潮。在本文中,我们回顾了深度学习的神经解码方法。我们描述了用于从从脉冲到 fMRI 的神经记录模式中提取有用特征的架构。此外,我们探索了如何利用深度学习来预测包括运动、语音和视觉在内的常见输出,重点是如何将预训练的深度网络作为复杂解码目标(如声学语音或图像)的先验。深度学习已被证明是一种有用的工具,可用于提高广泛任务中神经解码的准确性和灵活性,我们指出了未来科学发展的领域。

劳伦斯伯克利国家实验室

劳伦斯伯克利国家实验室PDF文件第1页

劳伦斯伯克利国家实验室PDF文件第2页

劳伦斯伯克利国家实验室PDF文件第3页

劳伦斯伯克利国家实验室PDF文件第4页

劳伦斯伯克利国家实验室PDF文件第5页