初级听觉皮层 $\mu$-ECoG 的低秩非线性解码
神经元与认知
2020-05-12 v1 机器学习
神经与进化计算
信号处理
机器学习
摘要
本文考虑来自并行神经测量系统（如微皮层脑电（-ECoG））的神经解码问题。在具有大量阵列单元且采样率极高的系统中，原始测量数据的维度可能很大。为此高维数据学习神经解码器具有挑战性，尤其在训练样本数量有限时。为应对该挑战，本工作提出了一种在第一隐藏层具有低秩结构的新型神经网络解码器。低秩约束大幅减少了解码器中的参数数量，同时仍支持一类丰富的非线性解码映射。该低秩解码器在清醒大鼠初级听觉皮层（A1）的 -ECoG 数据上进行了演示。由于听觉皮层中神经响应的复杂性以及清醒动物中混杂信号的存在，该解码问题尤其困难。结果表明，所提出的低秩解码器显著优于使用主成分分析（PCA）等标准降维技术的模型。
引用
@article{arxiv.2005.05053,
title = {Low-Rank Nonlinear Decoding of $\mu$-ECoG from the Primary Auditory Cortex},
author = {Melikasadat Emami and Mojtaba Sahraee-Ardakan and Parthe Pandit and Alyson K. Fletcher and Sundeep Rangan and Michael Trumpis and Brinnae Bent and Chia-Han Chiang and Jonathan Viventi},
journal= {arXiv preprint arXiv:2005.05053},
year = {2020}
}
备注
4 pages, 3 figures