基于人工神經(jīng)網(wǎng)絡(luò)的多電極陣列上培養(yǎng)神經(jīng)元鋒電位的分類.pdf

1、細(xì)胞外多電極記錄中，每個(gè)電極記錄的電信號(hào)表示該電極附近多個(gè)神經(jīng)元的電活動(dòng)。對(duì)電極記錄的多個(gè)神經(jīng)元鋒電位的分類處理是進(jìn)行鋒電位時(shí)間序列分析之前所要進(jìn)行的第一步。分類所面臨的兩大問題是細(xì)胞外多電極記錄數(shù)據(jù)往往包含高度相關(guān)的噪聲，且鋒電位波形重疊情況也時(shí)有發(fā)生。 人工神經(jīng)網(wǎng)絡(luò)日漸成為一種重要的分類工具，其最大益處就在于它善于對(duì)環(huán)境的自適應(yīng)學(xué)習(xí)，并且具有并行處理泛化能力。本文提出的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，其隱層基函數(shù)是一種局域作用函數(shù)，當(dāng)

2、輸入信號(hào)靠近基函數(shù)的中心范圍時(shí)，隱層節(jié)點(diǎn)將產(chǎn)生較大的輸出，對(duì)于遠(yuǎn)離隱層節(jié)點(diǎn)中心的輸入樣本，網(wǎng)絡(luò)輸出趨于零。因此，徑向基函數(shù)網(wǎng)絡(luò)用于分類時(shí)，每一類的判決區(qū)域也是局域性的，具有優(yōu)越的局部逼近能力。 本文首先用改進(jìn)的峰峰值檢測(cè)法對(duì)原始信號(hào)進(jìn)行提取, 獲得鋒電位信號(hào)樣本。然后用主成分分類對(duì)這些鋒電位進(jìn)行預(yù)分類，選取每類中方差較小的典型鋒電位集合作為徑向基網(wǎng)絡(luò)的訓(xùn)練樣本，讓神經(jīng)網(wǎng)絡(luò)進(jìn)行自適應(yīng)學(xué)習(xí)。最后用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)鋒電位信號(hào)進(jìn)行分類