使用尖端神经网络进行皮质视觉神经假体的时间变化的刺激
概括
这项研究探讨了用于视觉神经假体的尖端神经网络 (SNN),从而实现动态刺激模式. SNN提供与人工神经网络 (ANN) 相似的结果,计算成本降低,为先进的视觉恢复设备铺平了道路.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 视觉神经假体旨在通过电刺激恢复视力.
- 目前的系统经常使用具有固定的刺激参数的人工神经网络 (ANN).
- 需要更动态,更有效的刺激控制方法.
研究的目的:
- 研究使用尖端神经网络 (SNN) 进行视觉神经假体的可行性.
- 开发时间变化的刺激模式,以改善视觉感知.
- 将SNN与ANN的性能和计算效率进行比较.
主要方法:
- 开发了一个基于SNN的编码器用于视觉神经假体.
- 利用烯模拟器来模拟对SNN刺激模式的感知反应.
- 在MNIST和N-MNIST数据集上训练和评估SNN.
主要成果:
- 基于SNN的编码器在MNIST上实现了合理的图像重建质量,与最先进的ANN相美.
- 与ANN (2.44 GFLOP) 相比,SNN需要的操作数量是SNN的2倍 (1.16 GFLOP).
- 关于N-MNIST的初步结果显示了可识别的数字形状,这表明了事件摄像机的潜力.
结论:
- 尖端神经网络是用于视觉神经假体的ANN的一个可行的替代方案.
- SNNs提供了显著的计算优势,并使动态刺激模式成为可能.
- 事件摄像头显示未来视觉假肢应用的希望.
