据eenewseurope网站 1月17日报道,美国加州理工学院Azita Emami和她的同事近日表示:已经实现使用机器学习来有效解释脑机接口(BMI)接收到的神经元信号。
Emami领导的实验室的研究生Benyamin Haghi解释说:“我们创建了一个神经网络,它可以自动从整个神经信号中提取信息,从信号的所有微小波动和变化中提取信息,并将其转化为患者的意图。Emami补充道:“随着时间的推移,BMI已经接受了神经活动信号和看起来像噪音的信号的训练,因此能够解释用户的意图。”
该团队的算法称为FENet,即特征提取网络。值得注意的是,它可以根据一名患者的数据进行训练,然后对另一名患者成功使用。“这意味着我们正在获取的神经数据中有一些基本类型的信息。”Emami说。“不仅如此,FENet可以泛化到不同的大脑区域和类型的电极,并很容易整合到现有的BMI中。”
(编译:史天阳)
链接:https://www.eenewseurope.com/en/improving-brain-machine-interfaces-with-machine-learning/
声明:壹贝网所有作品(图文、音视频)均由用户自行上传分享,仅供网友学习交流,版权归原作者wangteng@admin所有,原文出处。若您的权利被侵害,请联系 756005163@qq.com 删除。
本文链接:https://www.ebaa.cn/42167.html