使用高斯序列模型的局部场电位分类
统计方法学
2017-11-28 v4 信息论
math.IT
摘要
本文考虑了一个从猕猴前额叶皮层记录的局部场电位（LFP）分类问题。一只成年猕猴被训练执行基于记忆的眼跳任务。目标是解码在记忆期间收集的 LFP 信号中的眼动目标。LFP 分类问题被建模为嵌入高斯噪声中的光滑函数分类问题。随后论证，使用极小化极大函数估计量作为特征将得到一致的 LFP 分类器。高斯序列模型理论允许我们将极小化极大估计量表示为有限维对象。由此数学推导得到的 LFP 分类器是一种基于频谱的技术，其中 LFP 数据的傅里叶级数系数经过适当的收缩和阈值处理后，用作线性判别分类器的特征。将该分类器应用于 LFP 数据，实现了高解码精度。本文所采用的函数分类方法也为使用经收缩和阈值处理的傅里叶级数作为该问题的特征（而非使用功率谱）提供了系统性的理论依据。这也表明相位信息对于决策至关重要。
引用
@article{arxiv.1710.01821,
title = {Classification of Local Field Potentials using Gaussian Sequence Model},
author = {Taposh Banerjee and John Choi and Bijan Pesaran and Demba Ba and Vahid Tarokh},
journal= {arXiv preprint arXiv:1710.01821},
year = {2017}
}