摘要 — 双谱是频域分析中一种革命性的工具,它通过捕获频率分量之间的关键相位信息,超越了通常的功率谱。在我们的创新研究中,我们利用双谱分析和解码复杂的抓握动作,收集了来自五名人类受试者的脑电图数据。我们用三个分类器对这些数据进行了测试,重点关注幅度和相位相关特征。结果突出了双谱深入研究神经活动和区分各种抓握动作的惊人能力,其中支持向量机 (SVM) 分类器表现出色。在二元分类中,它在识别强力抓握方面实现了惊人的 97% 的准确率,而在更复杂的多类任务中,它保持了令人印象深刻的 94.93% 的准确率。这一发现不仅强调了双谱的分析能力,还展示了 SVM 在分类方面的卓越能力,为我们理解运动和神经动力学打开了新的大门。索引术语 —EEG(脑电图)、双谱、交叉双谱、握力解码和机器学习。
摘要一种未来的人造视网膜,可以恢复盲人的高敏度视力,将依靠能够使用自适应,双向和高分辨率设备来读(观察)和写入(观察)和写(控制)神经元的尖峰活动。尽管当前的研究重点是克服构建和植入这种设备的技术挑战,利用其能力来实现更急性的视觉感知也将需要实质性的计算进步。使用Ex Vivo多电极阵列实验室原型使用高密度的大规模记录和刺激,我们构成了一些主要的计算问题,并描述了当前的进度和未来解决方案的机会。首先,我们通过使用从大型实验数据集中学到的低维变异性变异性的低维歧管来确定盲视网膜自发活动的细胞类型和位置,然后有效地估计其视觉响应特性。第二,我们通过通过电极阵列传递电流模式来估计对大量相关电刺激的视网膜响应,尖峰对产生的记录进行排序,并使用结果来开发诱发响应的模型。第三,我们通过在视觉系统的整合时间内暂时抛弃各种电刺激的收集来重现给定的视觉目标的所需响应。一起,这些新颖的方法可能会在下一代设备中大大增强人造视力。