一种刺激类别解码方法及装置制造方法及图纸

本发明专利技术公开了一种刺激类别解码方法及装置，涉及神经信息科学技术领域。本文公开的刺激类别解码方法，包括：使用小波分解方式获取神经元的响应特征；从所获取的神经元的响应特征中筛选出有效的响应特征；使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。

A method and device for stimulating class decoding

The invention discloses a method and device for stimulating class decoding, which relates to the field of neural information science and technology. Including the type of stimulus decoding method, this paper discloses the response characteristics of acquired neurons using wavelet decomposition methods; selected response characteristics of effective response characteristics obtained from neurons; Naive Bayesian classifiers using the response characteristics of selected construction of cross validation, the decoding of the stimulus category.

【技术实现步骤摘要】
一种刺激类别解码方法及装置
本专利技术涉及神经信息科学
，尤其涉及一种基于神经Spike发放序列的刺激类别解码方案。
技术介绍
在神经信息科学中，解码是一种理解神经元如何进行信息处理的重要手段，能加深对信息处理机制的理解。解码就是基于神经元的响应，确定诱发这些神经元响应的输入刺激的过程，目前基于神经Spike发放序列的刺激类别解码方法一般通过对编码时间窗口bin值进行穷举，获取不同bin值下的Spike发放特征，组合成特征矩阵，然后通过PCA进行数据降维，获取特征矩阵，但PCA方法存在的问题是其提取的特征表征的是最大方差方向，而不必然是最有效的刺激表征，且其提取的系数不具有时间局部性，因此解码效果一般。
技术实现思路
本文提供一种刺激类别解码方法及装置，可以解决相关技术中解码效果差的问题。本文公开了一种刺激类别解码方法，包括：使用小波分解方式获取神经元的响应特征；从所获取的神经元的响应特征中筛选出有效的响应特征；使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。可选地，上述方法中，所述使用小波分解方式获取神经元的响应特征，包括：使用Harr小波对预先获取的Spike发放序列进行多层小波分解，获取不同时间尺度下小波系数，其中，所述不同时间尺度下小波系数为神经元的响应特征。可选地，上述方法中，所述从所获取的神经元的响应特征中筛选出有效的响应特征，包括：利用信息论中互信息方法求取刺激类别与小波系数之间的互信息；求取互信息统计阈；根据所述互信息统计阈，筛选出有效的小波系数。可选地，上述方法中，所述根据所述互信息统计阈，筛选出有效的小波系数包括：将所获取的不同时间尺度下小波系数分别与所述互信息统计阈进行对比，将大于所述互信息统计阈的小波系数筛选为有效的小波系数。可选地，上述方法还包括：获取神经元在不同刺激下bin值为1ms的Spike发放序列，该Spike发放序列为所述预先获取的Spike发放序列。本文还公开了一种刺激类别解码装置，包括：第一单元，使用小波分解方式获取神经元的响应特征；第二单元，从所获取的神经元的响应特征中筛选出有效的响应特征；第三单元，使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。可选地，上述装置中，所述第一单元，使用小波分解方式获取神经元的响应特征，包括：使用Harr小波对预先获取的Spike发放序列进行多层小波分解，获取不同时间尺度下小波系数，其中，所述预先获取的Spike发放序列为神经元在不同刺激下bin值为1ms的Spike发放序列，所述不同时间尺度下小波系数为神经元的响应特征。可选地，上述装置中，所述第二单元，从所获取的神经元的响应特征中筛选出有效的响应特征，包括：利用信息论中互信息方法求取刺激类别与小波系数之间的互信息；求取互信息统计阈；根据所述互信息统计阈，筛选出有效的小波系数。可选地，上述装置中，所述第二单元，根据所述互信息统计阈，筛选出有效的小波系数，包括：将所述第一单元获取的不同时间尺度下小波系数分别与所述互信息统计阈进行对比，将大于所述互信息统计阈的小波系数筛选为有效的小波系数。可选地，上述装置中，所述第一单元，还获取神经元在不同刺激下bin值为1ms的Spike发放序列，该Spike发放序列为所述预先获取的Spike发放序列。本申请提出了一种基于神经Spike发放序列的刺激类别解码方案。首先获取神经元在不同刺激下bin值为1ms的Spike发放序列；利用小波和信息论相结合的方法提取响应特征，构建特征矩阵；最后构建一个交叉验证的贝叶斯分类器，实现对测试样本的刺激类别解码。该方案通过小波分解得到了刺激响应在不同时间尺度上的特征并通过信息论的方法筛选出有效的特征，提升了解码效果。附图说明图1为本专利技术实施例中脱离IDE的FindBugs代码检测方法流程图；图2为本专利技术可选实施例中基于神经Spike发放序列的刺激类别解码方法流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下文将结合具体实施方式对本专利技术技术方案作进一步详细说明。需要说明的是，在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。本实施例提供一种刺激类别解码方法，如图1所示，主要包括如下操作：步骤101，使用小波分解方式获取神经元的响应特征；该步骤中，神经元的响应特征可以是小波系数，此时，本步骤分为：使用Harr小波对预先获取的Spike发放序列进行多层小波分解，获取不同时间尺度下小波系数，其中，预先获取的Spike发放序列为神经元在不同刺激下bin值为1ms的Spike发放序列。步骤102，从所获取的神经元的响应特征中筛选出有效的响应特征；本实施例中，可以使用信息论中互信息方法筛选出有效的响应特征。例如，神经元的响应特征为小波系数时，可以先利用信息论中互信息方法求取刺激类别与小波系数之间的互信息，再求取互信息统计阈；最后根据互信息统计阈，筛选出有效的小波系数。可选地，根据互信息统计阈进行筛选时，将大于互信息统计阈的小波系统作为有效的小波系数。步骤103，使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。具体的，使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，以及使用朴素贝叶斯分类器对刺激类别进行解码的具体操作可参见现有技术中的常用方式即可，本实施例对此不作特别限制。本实施例还提供一种刺激类别解码装置，可实现上述方法，其主要包括如下各单元。第一单元，使用小波分解方式获取神经元的响应特征；具体地，第一单元，可以使用Harr小波对预先获取的Spike发放序列进行多层小波分解，获取不同时间尺度下小波系数，其中，预先获取的Spike发放序列为神经元在不同刺激下bin值为1ms的Spike发放序列，不同时间尺度下小波系数即可认为是神经元的响应特征。第二单元，从所获取的神经元的响应特征中筛选出有效的响应特征；具体的，第二单元，可以利用信息论中互信息方法求取刺激类别与小波系数之间的互信息，求取互信息统计阈，最后根据所述互信息统计阈，筛选出有效的小波系数。其中，可将大于互信息统计阈的小波系数认为是有效的小波系数。第三单元，使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。具体的，第三单元的操作可按照现有朴素贝叶斯分类器的常规计算方法，对刺激类别进行解码，本实施例对此不作特别限制。下面结合附图对上述方案进行详细说明。一种可选实施例中，基于神经Spike发放序列的刺激类别解码方法的实现过程如图2所示。具体实施过程如下：步骤S201，首先获取神经元在不同刺激下bin值为1ms的Spike发放序列；步骤S202，使用Harr小波对响应信号(即步骤S201中获取的Spike发放序列)进行多层小波分解，获取不同时间尺度下小波系数；步骤S203，利用信息论知识通过计算刺激类别与小波系数之间的互信息，求取互信息统计阈值及训练样本；步骤S204，根据互信息统计阈，筛选出有效小波系数；该步骤中，筛选出有效小波系数可以分为如下操作：步骤S205，利用筛选的小波系数构建一个交叉验证的贝叶斯分类器；步骤S206，对刺激类别解码。从上述实施例可以看出，本申请技术方案利用小波和信息论相结合的方法提取并筛选Spike发放序列不同本文档来自技高网...

【技术保护点】
一种刺激类别解码方法，包括：使用小波分解方式获取神经元的响应特征；从所获取的神经元的响应特征中筛选出有效的响应特征；使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。

【技术特征摘要】
1.一种刺激类别解码方法，包括：使用小波分解方式获取神经元的响应特征；从所获取的神经元的响应特征中筛选出有效的响应特征；使用筛选出的响应特征构建交叉验证的朴素贝叶斯分类器，对刺激类别进行解码。2.如权利要求1所述的方法，其特征在于，所述使用小波分解方式获取神经元的响应特征，包括：使用Harr小波对预先获取的Spike发放序列进行多层小波分解，获取不同时间尺度下小波系数，其中，所述不同时间尺度下小波系数为神经元的响应特征。3.如权利要求2所述的方法，其特征在于，所述从所获取的神经元的响应特征中筛选出有效的响应特征，包括：利用信息论中互信息方法求取刺激类别与小波系数之间的互信息；求取互信息统计阈；根据所述互信息统计阈，筛选出有效的小波系数。4.如权利要求3所述的方法，其特征在于，所述根据所述互信息统计阈，筛选出有效的小波系数包括：将所获取的不同时间尺度下小波系数分别与所述互信息统计阈进行对比，将大于所述互信息统计阈的小波系数筛选为有效的小波系数。5.如权利要求2、3或4所述的方法，其特征在于，该方法还包括：获取神经元在不同刺激下bin值为1ms的Spike发放序列，该Spike发放序列为所述预先获取的Spike发放序列。6.一种刺激类别解码装置，包括：第一单元，使用小波分解方式获取神经元的响应特征；...

【专利技术属性】
技术研发人员：胡汉顶，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41