基于液體狀態(tài)機(jī)的腦運(yùn)動(dòng)神經(jīng)系統(tǒng)的建模研究.pdf

1、腦機(jī)接口是一種實(shí)現(xiàn)大腦直接與外界環(huán)境進(jìn)行溝通并進(jìn)行控制的新技術(shù)。隨著多通道神經(jīng)元信號(hào)采集技術(shù)與計(jì)算機(jī)控制技術(shù)的日益成熟，從大腦皮層神經(jīng)元群體活動(dòng)中提取運(yùn)動(dòng)信息的解碼算法是整個(gè)腦機(jī)接口系統(tǒng)實(shí)現(xiàn)腦信號(hào)與外界環(huán)境聯(lián)系的關(guān)鍵部分。本文針對(duì)腦運(yùn)動(dòng)神經(jīng)系統(tǒng)的建模與辨識(shí)問(wèn)題，深入研究了從大腦運(yùn)動(dòng)皮層神經(jīng)元脈沖序列信號(hào)中提取關(guān)于生物具體運(yùn)動(dòng)行為信息的解碼算法。本文的實(shí)驗(yàn)對(duì)象是猴子運(yùn)動(dòng)大腦皮層脈沖數(shù)據(jù)與它的肢體運(yùn)動(dòng)的姿態(tài)的建模關(guān)系，對(duì)大腦運(yùn)動(dòng)皮層神經(jīng)元脈

2、沖序列信號(hào)的建模的工作主要是集中在對(duì)采樣的各個(gè)方向運(yùn)動(dòng)的脈沖數(shù)據(jù)進(jìn)行方向分類(lèi)以及軌跡擬合。
　　 本文首先介紹了液體狀態(tài)機(jī)（Liquid State Machine，LSM）這種神經(jīng)網(wǎng)絡(luò)模型。
　　 液體狀態(tài)機(jī)是一種新型的回歸神經(jīng)網(wǎng)絡(luò)，采取的神經(jīng)元是Leaky-Integrate-and-Fire（LIF）模型神經(jīng)元。由于它能夠直接接受和處理脈沖，脈沖序列不再需要像頻率編碼的處理模式一樣轉(zhuǎn)變成頻率序列，使得以這種方式處理

3、能夠大幅度提高建模精度。
　　 實(shí)驗(yàn)結(jié)果表明對(duì)于腦神經(jīng)脈沖序列的處理它是一種合適的計(jì)算模型。
　　 為了提高實(shí)驗(yàn)的建模精度并且有效地避免液體狀態(tài)機(jī)在隨機(jī)生成時(shí)帶來(lái)的問(wèn)題，本文還用粒子群算法對(duì)液體狀態(tài)機(jī)的中間回路的連接權(quán)值進(jìn)行優(yōu)化，以提高其分類(lèi)能力，實(shí)驗(yàn)結(jié)果證實(shí)，采用PSO 優(yōu)化后的LSM的分類(lèi)能力有了大幅度提高。
　　 最后針對(duì)本文中問(wèn)題的獨(dú)特性，本文提出了改進(jìn)型的液體狀態(tài)機(jī)并且應(yīng)用它來(lái)對(duì)本文的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分類(lèi)與