[發(fā)明專利]一種基于神經擬態(tài)計算的在線神經元分類方法

有效

• 申請?zhí)枺?/td>: 202210849758.7
• 申請日: 2022-07-20
• 公開（公告）號: CN114925734B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設計）人: 祁玉;余航;潘綱
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;A61B5/372;A61B5/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 彭劍

1.一種基于神經擬態(tài)計算的在線神經元分類方法，其特征在于，包括以下步驟：

（1）獲取原始多通道神經信號，經過帶通濾波去除低頻的局部場電位，對每個通道的神經信號進行白化預處理和偽跡去除；

（2）在每一個信號通道上檢測并對齊候選鋒電位，具體為：使用非線性能量算子計算離散信號每個位置的能量強度，超過閾值的一段時間窗被判定為候選鋒電位，然后根據(jù)尖峰位置對齊候選鋒電位；

（3）構建脈沖神經網絡，脈沖神經網絡的第一層為感知層，第二層為認知層，認知層上的每個神經元以全連接的方式連接感知層神經元并動態(tài)更新連接突觸；

（4）利用脈沖神經網絡的感知層對候選鋒電位進行脈沖編碼，將輸入的候選鋒電位每個時間點的離散信號以高斯感受野編碼方式映射到一組脈沖序列；高斯感受野編碼方式如下：

其中，為感受野神經元中心位置，為感受野神經元寬度，為在時間的信號序列，為感知層神經元在時間的脈沖發(fā)放，為高斯感受野的泊松過程；

認知層上的神經元響應不同的脈沖序列輸入，并根據(jù)贏者通吃機制更新被激活神經元與對應感知層神經元之間的連接突觸；當認知層神經元累計電壓超過電壓閾值，認知層神經元將脈沖序列輸出為響應不同細胞動作電位的時間戳序列；

所述的贏者通吃機制具體為：當一個神經元被激活時，其他神經元被抑制并且不會被更新，只有被激活神經元增強或削減與感知層神經元連接突觸的權重；

更新被激活神經元與對應感知層之間的連接突觸，神經元選擇方法如下：

其中，為選定的執(zhí)行更新的認知層神經元，為認知層神經元在時間的電壓值；

在初始狀態(tài)下，所有權重值都被初始化，利用赫布學習規(guī)則，強制神經元找到感興趣的波形，每個認知層神經元都完全連接到感知層，這些突觸的權重被初始化為零；每次輸出神經元觸發(fā)時，赫布學習規(guī)則都會應用于其傳入的突觸；

更新被激活神經元與對應感知層神經元之間的連接突觸時，兩層之間的連接突觸的權重更新方式如下：

其中，為更新后時間的突觸權重，為更新前在時間的突觸權重，為后突發(fā)放常數(shù)，為前突發(fā)放常數(shù)，為突觸權重最大值，為突觸權重最小值；

（5）對于時間戳序列對應的原始神經信號，根據(jù)預先設定閾值劃分鋒電位與噪聲，各個通道根據(jù)脈沖神經網絡輸出的時間戳序列重構來自不同細胞發(fā)放的波形。

2.根據(jù)權利要求1所述的基于神經擬態(tài)計算的在線神經元分類方法，其特征在于，步驟（1）中，帶通濾波采用3階Butterworth濾波器，帶通頻率為300~3000Hz。

3.根據(jù)權利要求1所述的基于神經擬態(tài)計算的在線神經元分類方法，其特征在于，步驟（2）中，使用非線性能量算子計算離散信號每個位置的能量強度，公式為：

其中，是時間波形的采樣點。

4.根據(jù)權利要求1所述的基于神經擬態(tài)計算的在線神經元分類方法，其特征在于，步驟（2）中，根據(jù)尖峰位置對齊候選鋒電位時，尖峰最大值位置先通過升采樣插值，重新對齊后，波形被下采樣至原始長度。