基于切换线性模型的ECoG信号手指运动解码
机器学习
2011-06-20 v1
摘要
基于ECoG的脑机接口面临的主要挑战之一是对人类受试者运动的预测。已有多种方法可预测手臂的二维轨迹。第四届脑机接口竞赛提供了一个数据集，其目标是预测单个手指的运动（五维轨迹）。难点在于ECoG信号与手指运动之间不存在简单的关系。本文提出使用切换模型来解码手指弯曲。该方法将系统简化为依赖于内部状态的一组线性模型，从而降低了复杂度。我们证明，此类模型可以获得令人满意的预测精度。
引用
@article{arxiv.1106.3395,
title = {Decoding finger movements from ECoG signals using switching linear models},
author = {Rémi Flamary and Alain Rakotomamonjy},
journal= {arXiv preprint arXiv:1106.3395},
year = {2011}
}