机构名称：
¥ 1.0
摘要 — 脑机接口 (BCI) 促进了大脑和外部设备之间的直接交互。为了在侵入式 BCI 中同时实现高解码精度和低能耗，我们提出了一种结合局部突触稳定 (LSS) 和通道注意 (CA) 的新型脉冲神经网络 (SNN) 框架，称为 LSS-CA-SNN。LSS 优化了神经元膜电位动力学，提高了分类性能，而 CA 细化了神经元激活，有效降低了能耗。此外，我们引入了 SpikeDrop，这是一种数据增强策略，旨在扩展训练数据集，从而增强模型的通用性。在两只恒河猴记录的侵入式脉冲数据集上进行的实验表明，LSS-CA-SNN 在解码精度和能源效率方面均超越了最先进的人工神经网络 (ANN)，性能提升了 0.80-3.87%，节能了 14.78-43.86 倍。这项研究强调了 LSS-CA-SNN 和 SpikeDrop 在推进侵入式 BCI 应用方面的潜力。
有效且高效的皮层内脑信号解码...
主要关键词
相关文件推荐
