猕猴手指移动神经解码线性时不变模型的时间相关性研究

利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题,通常采用时不变线性模型(Time-invariant linear model,TILM)来解决.本文分析了传统TILM模型的时间相关性问题,依据猕猴手指移动位置的连续性特点,采用一种新的模型去解码其手指移动位置,称之为卷积空间模型(Convolution space model,CSM).与传统的模型相比,卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关,而且与前多个时刻的状态也有相关.在实验中,利用公开数据来评判本文方法的解码性能,实验结果表明,传统方法的解码误差要大于CSM模型的方法,因此CSM模型具有更好的解码准确性.

基于生物脉冲信号的视觉神经编码验证方法研究

研究界对如何对神经编码模型的性能度量还没有达成一个统一的评价标准。现有的主要编码度量方法是对神经编码模型的编码响应与真实生理响应之间的相似度进行度量。该文提出一种通过神经解码验证神经编码模型性能的方法。基于此方法构建了包括传统编码度量方法和神经解码度量方法的视觉脉冲信号编码验证框架,并基于动态视觉刺激下采集的蝾螈视网膜神经节细胞(RGC)脉冲信号数据集对此框架进行了实验验证。选择了具有动态视觉刺激脉冲响应编码能力的编码模型与性能先进的神经解码模型作为标准度量模型。实验从不同神经编码方式和不同维度全面地对3种神经编码模型的编码性能进行了度量。此外,实验结果表明,脉冲频率编码和脉冲计数编码两种编码方式对脉冲编码性能存在不可忽略的影响。

用于旋转机械状态趋势预测的量子注意力循环编码解码神经网络

提出了基于量子注意力循环编码解码神经网络(QAREDNN)的旋转机械状态趋势预测方法。在QAREDNN中,引入注意力机制以同时重构QAREDNN的编码器和解码器,使QAREDNN能够充分挖掘和重视重要信息,并抑制冗余信息的干扰,从而获得更好的非线性逼近能力;采用量子神经元构建了一种活性值和权值由量子旋转矩阵代替的量子门限循环单元(QGRU),QGRU不仅能够更加精细地遍历解空间,还具有大量的多重吸引子,因此QGRU能代替传统编码器和解码器中的循环单元以提高QAREDNN的泛化能力和响应速度;通过引入Levenberg-Marquardt(LM)法来提高QAREDNN的量子旋转矩阵的旋转角和注意力参数的更新速度。滚动轴承状态趋势预测实例验证了该方法的有效性。

神经元群体解码方法及其在脑-机接口中的应用

基于脑神经元放电信号的脑-机接口(brain-computer interface,BCI)系统近年来有了越来越深入的研究,它使BCI在皮层运动控制等方面更加精确、迅速。从神经工程角度,此类BCI的实现不仅依赖于多电极神经记录硬件技术的发展,还依赖于其软件技术的核心神经元群体解码方法。本文综述了目前神经元群体解码方法中已成功运用于BCI研究的四类主要算法:群矢量算法、最佳线性估计、卡尔曼滤波法、贝叶斯方法。

基于受限玻尔兹曼机的神经元群体响应的贝叶斯解码

神经元通过尖峰模式传递有关刺激的信息,多个神经元通过突触相互联系,构成了复杂的神经回路。在过去的一个世纪中,多电极记录技术的进步使科学家们能够获取一个完整神经回路的细胞响应。这些记录表明,神经元的活动之间存在显著相关性。因此,本文提出利用受限玻尔兹曼机模型描述神经元响应活动之间的相关性,建立神经元群体响应的编码模型,并利用贝叶斯定理构建了基于受限玻尔兹曼机模型的解码器,将它应用于模拟的小鼠视觉皮层神经元的响应序列中。实验结果表明,此解码器在准确率方面优于不考虑神经元之间相关性的独立模型解码器。

反馈神经网络卷积码解码器在光纤通信中的研究

反馈神经网络卷积码解码器(RNN)的性能接近传统的Viterbi解码器,RNN的复杂度是随约束长度成线性增加的,而Viterbi的复杂度是成指数增加的,RNN的性能已经在加性白噪声信道中得到了肯定。对RNN解码器在以放大自发发射(ASE)噪声为主的光纤信道中的性能进行了研究,在以ASE噪声为主的3种信道模型中,同时研究了RNN解码器和Viterbi解码器的性能,发现RNN的性能同样很好,在解码过程中还有优势。

基于编码-解码神经网络遥感图像语义分割应用研究

图像分割的实现经历了从传统方法到神经网络方法的演变。本文从图像分割的发展过程入手,介绍了图像分割与语义分割的区别,对最近几年传统图像分割方法在遥感图像分割领域的应用进行梳理分析,总结了传统遥感图像分割方法的不足。基于此,归纳了几种经典编码-解码神经网络架构在遥感图像语义分割领域的应用,对其改进方式进行了综合性分析,并对其未来的发展趋势进行展望。

基于偏最小二乘的大鼠初级运动皮层解码

为了准确解析大鼠初级运动皮层神经元发放模式并预测相应的肢体动作,实验同时记录大鼠初级运动皮层神经元峰电位发放和大鼠前肢压力,利用K均值法和主成分分析法对神经元进行分类,采用偏最小二乘分析大鼠初级运动皮层神经元活动与前肢运动参数之间的关系,并对该解码结果与维纳滤波和卡尔曼滤波算法的解码结果进行比较.实验结果表明:神经元的发放活动在压杆前0.6s开始有增加的趋势,提示大鼠的初级运动皮层神经元分布式活动可用于大鼠前肢运动的解析和预测,且偏最小二乘解码得到的预测值与真实压杆值的相关系数在0.85以上,均高于维纳滤波和卡尔曼滤波的解码结果.

无监督的猕猴运动皮层锋电位信号CKF解码

如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题,现存方法解决该问题大多采用有监督训练,需要通过训练数据得到神经元锋电位信号与手指移动位置的关系,因此其估计性能依赖于训练数据.本文提出了一种无监督解码方法,该方法基于状态空间模型(State space model,SSM),利用神经网络得到神经元锋电位数与手指移动位置的关系权值,再用逐次状态估计方法去估计手指移动的位置.为减少训练的复杂度和提高估计准确度,采用一种非线性的积分卡尔曼滤波(Cubature Kalman filtering,CKF)来完成神经网络的训练和手指位置的逐次状态估计.与传统方法相比,该方法的最大特点是无监督,可以由神经元锋电位簇向量直接估计手指移动位置,而无需有监督训练.实验结果显示,当采用较少的有监督数据,现存方法与本文方法相比有较大的估计误差;当采用较多的有监督数据,现存方法才具有与本文方法相近似的估计误差.

基于大脑神经元放电的脑-机接口技术

基于大脑运动皮层神经元放电的脑-机接口通过记录大脑运动皮层神经元的放电信号控制瘫痪肢体或假肢运动,其软硬件核心为神经元群体解码和神经元放电活动的检测。解码方法分为推理算法和分类器方法,检测方法通过在大脑运动皮层区植入长效电极记录单个或群体神经元的放电活动。分析表明,脑-机接口技术应在更多脑区域上植入长效电极达到更好控制设备的目的,各类解码算法应通过联合并加入反馈信号提高对神经元信号的解码效果。

RNN卷积码解码器在超宽带通信中的研究

反馈神经网络卷积码解码器(RNN)的性能接近传统的Viterbi解码器,RNN的复杂度是随约束长度成线性增加的,而Viterbi的复杂度是成指数增加的。在加性白噪声信道中,RNN的性能已经得到了肯定,对应不同的卷积码有不同结构的RNN解码器。本文我们研究了RNN解码器在超宽带通信系统中的性能。

ED-NAS:基于神经网络架构搜索的陶瓷晶粒SEM图像分割方法

为了提高深度卷积神经网络(Convolutional Neural Network,CNN)设计的自动化程度并进一步提高陶瓷晶粒扫描电子显微镜(Scanning Electron Microscope,SEM)图像分割的准确性,提出了一种基于神经网络架构搜索的陶瓷晶粒图像分割方法 .该方法设计多分支结构编码空间和链式结构解码空间,并构造多分支结构编码Cell和链式结构解码Cell;同时基于强化学习分别搜索最佳编码Cell和解码Cell;此外,基于编码-解码神经网络架构堆叠最佳Cell构建陶瓷晶粒图像分割CNN,并采用池化索引在解码阶段恢复丢失的细节信息.实验在包含了629张的陶瓷晶粒SEM图像数据集上进行,搜索最佳Cell耗时约148 GPU-时.与U-Net、SegNet等SOTA方法相比,该方法在陶瓷晶粒测试集上获得了更高的分割准确性(mIoU≈68.9%).

实时功能性磁共振成像神经反馈的研究进展

神经反馈是一种自我调节技术,可以为个体特定的脑活动和关联行为提供反馈。实时功能性磁共振成像神经反馈(rtf MRI-nf)作为一种新型的神经反馈技术,要求参与者在训练中通过改变血氧水平依赖信号指数,以调节大脑活动。近期rtf MRI-nf在数据采集和分析方面已取得重大进展,开始出现两种新的rtf MRI-nf技术,即解码神经反馈和基于功能连接的神经反馈。介绍这两种新的rtf MRI-nf技术,总结其在内隐方案、多变量分析和连接性分析等关键方法领域的进展。综述两种rtf MRI-nf技术在知觉学习、元认知等基础研究领域以及恐惧消除、抑郁症、孤独症谱系障碍和尼古丁成瘾等临床研究领域的现状,最后讨论目前这两种rtf MRI-nf技术潜在的"一对多"关系和维度诅咒两大问题,并提出解决对策。

一种基于神经网络的图像去雾算法

针对传统暗通道去雾算法在处理大面积天空区域部分时易出现光晕的缺点,提出了一种传统算法与神经网络相结合的去雾网络。首先经由暗通道去雾算法和Retinex算法分别获得两幅待融合图像,然后基于编码解码的神经网络构建一个图像融合去雾网络系统。训练阶段在编码网络中加入密集块结构,增强了模型的稳健性,便于从更高维度提取特征信息;测试阶段利用gamma校验因子预处理待融合的图像,减少了图像处理过程中的光晕现象问题。合成有雾图像处理的实验结果表明,该算法合理地将传统算法和神经网络去雾算法融合起来,构建一个新型去雾模型,提高了去雾精度,无论是在室内、室外合成数据集中去雾效果均有提升;较现有经典算法峰值信噪比至少提高18.7%,而且对自然雾天图像的处理效果明显;在图像物理细节信息处理方面对比已有算法有了一定的提高,为研究图像去雾提供了新思路。

基于编码—解码模型的D类功率放大器行为建模

D类功率放大器具有优异的传输效率,属于开关类功放,其输出信号存在较大的非线性失真。对D类功率放大器进行行为建模时要同时考虑其非线性和记忆特性。文中将小波变换引入到编码—解码神经网络模型中,提出了小波编码—解码神经网络模型。使用基于门限循环单元的编码—解码模型和小波编码—解码模型进行D类功率放大器的行为建模。实验结果表明,文中提出的D类功率放大器行为模型相比于传统的Voterra-Laguerre模型而言,在信号的时域和频域都具有更高的精度。

fMRI的视觉神经信息编解码方法综述

视觉神经信息编解码旨在利用功能磁共振成像(functional magnetic resonance imaging,fMRI)等神经影像数据研究视觉刺激与大脑神经活动之间的关系。编码研究可以对神经活动模式进行建模和预测,有助于脑科学与类脑智能的发展;解码研究可以对人的视知觉状态进行解译,能够促进脑机接口领域的发展。因此,基于fMRI的视觉神经信息编解码方法研究具有重要的科学意义和工程价值。本文在总结基于fMRI的视觉神经信息编解码关键技术与研究进展的基础上,分析现有视觉神经信息编解码方法的局限。在视觉神经信息编码方面,详细介绍了基于群体感受野估计方法的发展过程;在视觉神经信息解码方面,首先,按照任务类型将其划分为语义分类、图像辨识和图像重建3个部分,并深入阐述了每个部分的代表性研究工作和所用的方法。特别地,在图像重建部分着重介绍了基于深度生成模型(主要包括变分自编码器和生成对抗网络)的简单图像、人脸图像和复杂自然图像的重建技术。其次,统计整理了该领域常用的10个开源数据集,并对数据集的样本规模、被试个数、刺激类型、研究用途及下载地址进行了详细归纳。最后,详细介绍了视觉神经信息编解码模型常用的度量指标,分析了当前视觉神经信息编码和解码方法的不足,提出可行的改进意见,并对未来发展方向进行展望。

脑机接口隐私风险治理

阐述脑机接口技术自身和技术应用可能带来的隐私风险,以及这种风险所带有的新特征,并试图从技术本身、法律与伦理这3个角度给出解决上述问题的框架。

触觉记忆DSTM任务中感觉-运动整合的信息表征研究

大脑神经信号(如神经元放电信号、局部电位信号)的解析是现在神经科学、认知科学等学科的重要研究领域。对脑部信号的解析将会帮助我们了解大脑的编码、解码方式,进而设计出多样的脑机交互接口,并有可能应用到工业生产、医疗器械等方面。该文的研究由课题一提供猴脑信号数据,由课题三对数据进行了整理,并使用机器学习的方法对数据进行了一定的分析,比如:根据数据本身的特征进行了简单的分类;观察了数据的相关性;利用特异神经元的性质尝试设计分类器,通过猴脑信号对实验类型进行一定的预测。

基于广义线性模型的针刺足三里脊髓背根神经活动解码

神经系统以时空编码形式刻画外部刺激信息,针刺作为对穴位的机械作用可以等效为对神经系统的一种外部刺激.为了揭示神经系统如何表达和传递针刺作用,本文设计了不同频率的针刺动物实验,即在针刺大鼠足三里穴位时获取脊髓背根神经节电信号.首先,经过数据预处理获得单神经元动作电位序列并转化为点过程序列.其次,应用广义线性模型(GLM)编码针刺作用,产生模拟的神经放电序列.另外,在模型基础上应用贝叶斯解码,根据神经放电序列重构针刺随时间变化的位移波形.最后,基于时间重标度理论应用分位数分位数(Q-Q)图方法检验编码模型与点过程数据的一致性.结果表明,GLM能够模拟针刺神经编码,并正确解码针刺信息.本文为针刺研究提供了新的视角,对于构建神经系统与机器接口以改善针刺的临床研究具有潜在意义.

基于表面肌电信号的人机交互软件设计

设计了一种基于Qt的人机交互软件,用于从表面肌电信号中解码出手势,控制空间机械臂灵巧手作业;介绍了肌电信号解码手势并控制仿真灵巧手系统的组成,包括下位机肌电采集接口部分和上位机人机交互软件两部分;详细说明了人机交互软件的3个功能模块,即接收并显示16路神经接口向上位机发送的肌电信号、对肌电信号进行实时手势解码以及控制仿真灵巧手;分析了软件设计过程中的几个关键技术,信号与槽机制、多线程与多进程结合、UDP通信等;最后,设计了基于肌电信号解码3种手势并控制仿真灵巧手的实时实验,手势识别率在98%以上,控制延迟为200 ms左右;实验结果表明,人机交互软件运行稳定,功能齐全,在航天遥操作人机交互系统中具有应用前景。