收藏文章
摘要：
在神经解码研究中，多个神经元同时放电会产生尖锋重叠，进而影响解码准确性，因而分类重叠尖锋是解码神经元集群活动的关键步骤。提出一种基于格拉姆角和场与注意力残差网络（GASF-CBAM-ResNet）的重叠尖锋分类算法，首先使用独立尖锋数据制作重叠尖锋模板训练集，接着采用格拉姆角和场方法将一维尖锋序列转换成二维图像，用于训练注意力残差网络模型，最后对独立尖锋和重叠尖锋进行分类识别。该方法在“Wave＿clus”数据集上的平均准确率达92.737%，优于传统方法。结果表明，GASF-CBAM-ResNet不仅可以有效地区分重叠尖锋，还节省了大量时间和人力成本，能够为神经解码研究提供可靠支持。
基金项目：
四川省科技厅重点研发计划项目（2023YFG0018）
- 分类号：
页码：
62-68
刊物介绍
