.png){kind=icon}
返回
Unsupervised sparse coding-based spiking neural network for real-time spike sorting
.png){kind=icon}
PRE
AI
DOI：10.1088/2634-4386/ae006b.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尖峰排序是解码多通道胞外神经信号的关键步骤，能够识别单个神经元活动。脑机接口的一个核心挑战是在边缘端实现实时、低功耗的尖峰排序，同时保持高神经解码性能。本研究引入了一种神经形态稀疏排序器（NSS），这是一种紧凑的两层脉冲神经网络，针对高效尖峰排序进行了优化。NSS利用局部竞争算法进行稀疏编码，以从噪声事件中提取相关特征，并降低计算需求。NSS以在线方式学习对检测到的尖峰波形进行排序，且完全无监督运行。为利用神经形态平台（如Intel的Loihi 2）的多比特尖峰编码能力，实现了一种定制神经元模型，可通过可调尖峰比特宽度实现灵活的功耗-性能权衡。在模拟和真实四电极信号（含生物漂移）上的评估显示，NSS优于WaveClus3和PCA + KMeans等现有流程。在2比特分级尖峰下，Loihi 2上的NSS优于采用泄漏整合-发放神经元实现的NSS，在漂移记录测试中达到77%的F1分数（+10%改进），功耗为8.6 mW（+1.65 mW），每推理计算处理时间为0.25 ms（+60 μs）。
Keyword:
spiking neural network
sparse coding
spike sorting
unsupervised learning
neuromorphic computing
期刊
IF:
6.1
论文数:
340
被引数:
920
机构
引用论文
分享收藏Spiking Neural Networks Based on OxRAM Synapses for Real-Time Unsupervised Spike Sorting基于OxRAM突触的尖峰神经网络用于实时无监督尖峰排序
OAAI
OAAI分享收藏Feature extraction based on sparse coding approach for hand grasp type classification基于稀疏编码方法的手部抓握类型分类特征提取.png)
IF0
PREAI
分享收藏分享收藏
查看更多内容