机构名称：
¥ 1.0
随着神经记录技术的进步，我们很快就能同时监测活体大脑中数百个相互连接的神经元的膜电位 [1]。这种高分辨率数据为开发实时闭环干预措施开辟了新的可能性，这些干预措施旨在治疗癫痫和帕金森氏症等神经兴奋性疾病 [2]。有效监测和控制脉冲系统的能力也影响着新兴的神经形态工程领域 [3]。良好的闭环控制设计通常需要可靠的模型估计，因此任何旨在控制神经活动的方法都必然涉及神经元模型的估计，这是一项不简单的任务。已经提出了许多用于批处理模式或离线估计神经元动力学的技术，例如 [4]、[5]、[6]、[7]。然而，活体大脑系统具有自适应性 [8]，因此在线估计方法是必要的，尤其是涉及实时应用时。为了满足这一需求，[9] 中最近提出了一种基于自适应观测器的电导型神经网络在线估计方法。自适应观测器的灵感来自 [10] 和 [11]，它以我们熟悉的递归最小二乘 (RLS) 算法 [12] 为基础，可以近似地跟踪缓慢变化的时变参数。基于 RLS 的自适应观测器的一个限制是观测器状态相对于参数数量迅速增加。更多的观测器状态需要更多的计算能力，这在尝试对包含数千个参数的大型神经网络模型进行在线估计时可能变得至关重要。在本文中，我们提出了一个分布式版本的线性参数估计
生物物理神经网络的分布式在线估计
主要关键词
相关文件推荐
