用于植入式脑机接口手指速度解码的能效脉冲神经网络
信号处理
2022-10-13 v1 人机交互
机器学习
摘要
脑机接口（BMI）在运动康复与行动能力增强方面前景广阔。实现植入式 BMI 系统需要高精度与低功耗算法。本文中，我们提出一种用于植入式 BMI 回归任务的新型脉冲神经网络（SNN）解码器。该 SNN 采用增强时空反向传播训练，以充分发挥其处理时序问题的能力。所提 SNN 解码器在离线手指速度解码任务中取得与 state-of-the-art ANN 解码器同等水平的相关系数，而仅需 6.8% 的计算操作与 9.4% 的存储器访问。
引用
@article{arxiv.2210.06287,
title = {An Energy-Efficient Spiking Neural Network for Finger Velocity Decoding for Implantable Brain-Machine Interface},
author = {Jiawei Liao and Lars Widmer and Xiaying Wang and Alfio Di Mauro and Samuel R. Nason-Tomaszewski and Cynthia A. Chestek and Luca Benini and Taekwang Jang},
journal= {arXiv preprint arXiv:2210.06287},
year = {2022}
}