机构名称：
¥ 1.0
摘要 脉冲分类是解析来自神经元的电生理信号以确定是否、何时以及哪些特定神经元激发的过程。由于记录技术规模不断扩大以及传统脉冲分类算法的复杂性不断增加，脉冲分类在计算神经科学中是一项特别困难的任务。以前的脉冲分类器可分为基于软件和基于硬件的解决方案。软件解决方案具有很高的准确性，但事后对记录进行操作，并且通常需要利用高功率 GPU 来及时处理，并且它们不能用于便携式应用程序。硬件解决方案在准确性方面受到影响，因为为了实施而简化了机制，并且只能处理最多 128 个输入。这项工作回答了以下问题：“需要多少计算能力和内存存储来对来自 1000 个通道的脉冲进行分类，以跟上探针技术的进步？”我们分析了现代软件脉冲分类器的计算和内存需求，以确定其潜在的瓶颈 - 即模板内存存储。我们设计了 Marple，一种高度优化的用于尖峰分类的硬件管道，它采用一种新颖的机制，将模板内存存储量从 8 倍减少到 11 倍。Marple 是
用于非受限脑机接口的可扩展脉冲分类
主要关键词
相关文件推荐
