基于极限学习机的128通道脑机接口神经解码器
机器学习
2016-11-15 v2 人机交互
摘要
目前，脑机接口中最先进的运动意图解码算法大多在PC上实现，消耗大量功率。本文提出了一种用于脑机接口运动意图解码的0.35微米CMOS机器学习协处理器。采用极限学习机算法与低功耗模拟处理，在50 Hz分类率下实现了290 GMACs/W的能效。第二阶段的学习及相应的数字存储系数被用于提高核心模拟处理器的鲁棒性。该芯片通过猴子手指运动实验中记录的神经数据进行了验证，运动类型解码准确率达到99.3%。同一协处理器也被用于从异步神经脉冲中解码运动时间。通过时延特征维度增强，在有限输入通道数下分类准确率可提高5%。此外，稀疏促进训练方案使可编程权重数量减少了约2倍。
引用
@article{arxiv.1509.07450,
title = {A 128 channel Extreme Learning Machine based Neural Decoder for Brain Machine Interfaces},
author = {Yi Chen and Enyi Yao and Arindam Basu},
journal= {arXiv preprint arXiv:1509.07450},
year = {2016}
}
备注
13 pages, 17 figures, accepted by IEEE Transactions on Biomedical Circuits and Systems, 2015