基于径向基函数神经网络的多电极阵列信号脉冲电位的分类

通过径向基函数神经网络的分析,对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测,获得脉冲电位信号样本,以主成分进行预分类,选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本,让神经网络进行自适应学习,以实现对原始信号的分类。仿真结果表明,在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。