收藏文章

4

    基于注意力残差网络的重叠尖锋分类算法

    余海翔 汪曼青 王录涛

    成都信息工程大学计算机学院

    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)
    页码:
    62-68 
    刊物介绍