据eenewseurope网站 1月17日报道，美国加州理工学院Azita Emami和她的同事近日表示：已经实现使用机器学习来有效解释脑机接口（BMI）接收到的神经元信号。
Emami领导的实验室的研究生Benyamin Haghi解释说：“我们创建了一个神经网络，它可以自动从整个神经信号中提取信息，从信号的所有微小波动和变化中提取信息，并将其转化为患者的意图。Emami补充道：“随着时间的推移，BMI已经接受了神经活动信号和看起来像噪音的信号的训练，因此能够解释用户的意图。”
该团队的算法称为FENet，即特征提取网络。值得注意的是，它可以根据一名患者的数据进行训练，然后对另一名患者成功使用。“这意味着我们正在获取的神经数据中有一些基本类型的信息。”Emami说。“不仅如此，FENet可以泛化到不同的大脑区域和类型的电极，并很容易整合到现有的BMI中。”
（编译：史天阳）
链接：https://www.eenewseurope.com/en/improving-brain-machine-interfaces-with-machine-learning/
声明：壹贝网所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流，版权归原作者wangteng@admin所有，原文出处。若您的权利被侵害，请联系 756005163@qq.com 删除。
本文链接：https://www.ebaa.cn/42167.html
