- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第卷第期电子与信息学报年月基于贝叶斯原理的多维分类预测模型樊一娜郎波危辉青海大学电力学院西宁复旦大学认知算法模型实验室上海摘要神经元集群编码和分析是神经信息处理的关键问题该文介绍了一种利用高阶多维泊松模型对进行分类预测的方法并从的强度分布匹配准确性和集成策略上进行了数学论证最后利用该方法在大鼠迷宫实验中选取组作为训练集进行分类测试实验结果表明利用该方法得到的分类准确率在左右关键词信息处理多维高阶多维泊松模型贝叶斯原理预测分类模型中图分类号文献标识码文章编号引言面的研究是量化神经元聚群编码信息例如
第35 卷第7 期 电 子 与 信 息 学 报 Vol.35No.7
2013 年7 月 Journal of Electronics Information Technology Jul. 2013
基于贝叶斯原理的多维Spike Train 分类预测模型
樊一娜① 郎 波*② 危 辉②
①(青海大学电力学院 西宁 810016)
②(复旦大学认知算法模型实验室 上海 201203)
摘 要:神经元集群编码和 spike train 分析是神经信息处理的关键问题。该文介绍了一种利用高阶多维泊松模型
对spike train 进行分类预测的方法,并从spike 的强度分布、匹配准确性和集成策略上进行了数学论证。最后利用
该方法在大鼠U 迷宫实验中选取20 组作为训练集进行分类测试,实验结果表明,利用该方法得到的分类准确率在
97%左右。
关键词:信息处理;多维spike train; 高阶多维泊松模型;贝叶斯原理;预测分类模型
中图分类号:TP18 文献标识码: A 文章编号:1009-5896(2013)07-1619-05
DOI: 10.3724/SP.J.1146.2012.01453
A Classification and Prediction Model of Multi
Spike Train Based on Bayes Theory
① ② ②
Fan Yi-na Lang Bo Wei Hui
①
(Institute of Electric Power, Qinghai University, Xi’ning 810016, China)
②
(Laboratory of Cognitive Algorithm, Fudan University, Shanghai 201203, China)
Abstract: Neural population encoding and analysis of spike train play an important role in the field of neural
inforamtion processing. In this study, a classification method of spike train is proposed based on high-order
multiple Possion model, and a mathematic deduction is made in the spike instensity distribution, accuracy of
matching and integration strategy, respectively. Finally, 20 trails, as a traing set, are applied to experiment of U
maze of mouse. The result demonstrates that the accuracy rate of the classification method is about 97%.
Key words: Information processing; Multi spike train; High-order multiple Possion model; Bay
文档评论(0)