論文の概要: Adaptive SpikeDeep-Classifier: Self-organizing and self-supervised
machine learning algorithm for online spike sorting
- arxiv url: http://arxiv.org/abs/2304.01355v1
- Date: Thu, 30 Mar 2023 15:30:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 05:36:52.134543
- Title: Adaptive SpikeDeep-Classifier: Self-organizing and self-supervised
machine learning algorithm for online spike sorting
- Title（参考訳）: Adaptive SpikeDeep-Classifier:オンラインスパイクソートのための自己組織化と自己教師型機械学習アルゴリズム
- Authors: Muhammad Saif-ur-Rehman, Omair Ali, Christian Klaes, Ioannis
Iossifidis
- Abstract要約: ユーザ意図の復号化に成功する2つの重要な要因は、埋め込まれたマイクロ電極アレイのサイズと、優れたオンラインスパイクソートアルゴリズムである。
Ada-SpikeDeep Classifier (Adaptive SpikeDeep-Classifier) という,オンラインスパイクソートのための適応的で自己組織化されたアルゴリズムを提案する。
我々のアルゴリズムは、ノイズとSAの分布の急激な変化を自動的に学習する最初のスパイクソートアルゴリズムである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Objective. Research on brain-computer interfaces (BCIs) is advancing towards
rehabilitating severely disabled patients in the real world. Two key factors
for successful decoding of user intentions are the size of implanted
microelectrode arrays and a good online spike sorting algorithm. A small but
dense microelectrode array with 3072 channels was recently developed for
decoding user intentions. The process of spike sorting determines the spike
activity (SA) of different sources (neurons) from recorded neural data.
Unfortunately, current spike sorting algorithms are unable to handle the
massively increasing amount of data from dense microelectrode arrays, making
spike sorting a fragile component of the online BCI decoding framework.
Approach. We proposed an adaptive and self-organized algorithm for online spike
sorting, named Adaptive SpikeDeep-Classifier (Ada-SpikeDeepClassifier), which
uses SpikeDeeptector for channel selection, an adaptive background activity
rejector (Ada-BAR) for discarding background events, and an adaptive spike
classifier (Ada-Spike classifier) for classifying the SA of different neural
units. Results. Our algorithm outperformed our previously published
SpikeDeep-Classifier and eight other spike sorting algorithms, as evaluated on
a human dataset and a publicly available simulated dataset. Significance. The
proposed algorithm is the first spike sorting algorithm that automatically
learns the abrupt changes in the distribution of noise and SA. It is an
artificial neural network-based algorithm that is well-suited for hardware
implementation on neuromorphic chips that can be used for wearable invasive
BCIs.
- Abstract（参考訳）: 目的。
脳-コンピュータインターフェース(BCI)の研究は、現実世界で重度の障害のある患者をリハビリするために進んでいる。
ユーザ意図の復号化に成功する2つの重要な要因は、埋め込まれたマイクロ電極アレイのサイズと、優れたオンラインスパイクソートアルゴリズムである。
3072チャンネルの小型で高密度なマイクロ電極アレイが最近、ユーザの意図をデコードするために開発された。
スパイク分類のプロセスは、記録された神経データから異なるソース(ニューロン)のスパイク活性(sa)を決定する。
残念ながら、現在のスパイクソートアルゴリズムは、高密度のマイクロ電極アレイから大量のデータを処理できないため、スパイクソートはオンラインBCIデコーディングフレームワークの脆弱なコンポーネントとなっている。
アプローチ。
本稿では,チャネル選択にspikedeeptectorを使用するadaptive spike deep-classifier(ada-spike deepclassifier)と,背景イベントを破棄するadaptive background activity rejector(ada-bar)と,異なる神経単位のsaを分類するadaptive spike classifier(ada-spike classifier)という,オンラインスパイクソートのための適応的かつ自己組織化されたアルゴリズムを提案する。
結果だ
提案アルゴリズムは,これまでに公表したSpikeDeep-Classifierおよび他の8つのスパイクソートアルゴリズムを,人間のデータセットと公開可能なシミュレートデータセットで評価した。
重要なこと。
提案アルゴリズムはノイズとSAの分布の急激な変化を自動的に学習する最初のスパイクソートアルゴリズムである。
このアルゴリズムは、ウェアラブルな侵入型BCIに使用できるニューロモルフィックチップのハードウェア実装に適した人工ニューラルネットワークベースのアルゴリズムである。
関連論文リスト
- The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳（メタデータ） (2023-03-17T02:01:11Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳（メタデータ） (2022-10-31T14:06:11Z) - Efficient Dataset Distillation Using Random Feature Approximation [109.07737733329019]
本稿では,ニューラルネットワークガウス過程(NNGP)カーネルのランダム特徴近似(RFA)を用いた新しいアルゴリズムを提案する。
我々のアルゴリズムは、KIP上で少なくとも100倍のスピードアップを提供し、1つのGPUで実行できる。
RFA蒸留 (RFAD) と呼ばれる本手法は, 大規模データセットの精度において, KIP や他のデータセット凝縮アルゴリズムと競合して動作する。
論文 参考訳（メタデータ） (2022-10-21T15:56:13Z) - CausNet : Generational orderings based search for optimal Bayesian
networks via dynamic programming with parent set constraints [5.7460673927330035]
動的プログラミングに基づくアルゴリズムを組込み次元削減と親集合同定により実装する。
これにより、探索空間が劇的に減少し、大規模データに適用できる。
合成データと実データの両方にアルゴリズムの有効性を示す。
論文 参考訳（メタデータ） (2022-07-18T03:26:41Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Feature Selection-based Intrusion Detection System Using Genetic Whale
Optimization Algorithm and Sample-based Classification [0.0]
ホエール最適化アルゴリズム(WOA)と遺伝的アルゴリズム(GA)とサンプルベース分類を組み合わせた特徴選択を用いたネットワーク侵入検知システムを提案する。
提案手法は,Whale最適化アルゴリズムと遺伝的アルゴリズムを組み合わせた特徴選択と,KNN分類を精度基準で組み合わせることで,従来の方法よりも優れた結果が得られる。
論文 参考訳（メタデータ） (2022-01-03T11:05:02Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - Gradient-only line searches to automatically determine learning rates
for a variety of stochastic training algorithms [0.0]
Inexact (GOLS-I) である Gradient-Only Line Search を用いて、ニューラルネットワークトレーニングアルゴリズムの選択のための学習率スケジュールを決定する。
GOLS-Iの学習率スケジュールは、手動で調整された学習率、最適化アルゴリズム7以上、ニューラルネットワークアーキテクチャ3タイプ、データセット23、損失関数2つと競合する。
論文 参考訳（メタデータ） (2020-06-29T08:59:31Z) - A Deep Neural Network for Audio Classification with a Classifier
Attention Mechanism [2.3204178451683264]
我々は、Audio-based Convolutional Neural Network (CAB-CNN)と呼ばれる新しいアテンションベースニューラルネットワークアーキテクチャを導入する。
このアルゴリズムは、単純な分類器のリストと、セレクタとしてアテンションメカニズムからなる、新しく設計されたアーキテクチャを使用する。
我々のアルゴリズムは最先端のアルゴリズムと比較して、選択したテストスコアに対して10%以上の改善を達成している。
論文 参考訳（メタデータ） (2020-06-14T21:29:44Z) - MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。
グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。
確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文 参考訳（メタデータ） (2020-01-28T18:25:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。