脑机接口 / BCI

DBNN: Neural Spike Classification Using a Deep Binarized Neural Network

DBNN：使用深度二值化神经网络进行神经尖峰分类

Binyi Ren, Luca M. Meyer, Majid Zamani

机构 * The School of Electronics and Computer Science (ECS), University of Southampton（电子与计算机科学学院（ECS），南安普顿大学） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural interface(abstract)；分类 eess.SP、cs.LG

AI总结 研究针对可植入脑机接口的神经尖峰分类问题，提出基于深度二值化神经网络（DBNN）的尖峰排序系统，该系统含特定结构层，处理紧凑波形，降低成本，在合成和体内数据集上准确率达98.7%，硬件成本低且无乘法器操作，适用于低功耗可植入神经接口。

Comments Paper under review

Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps

量化夹带证据：信息处理通路图的频率主义和贝叶斯方法比较

Kaibo Zhang, Ji Wu, Chao Zhang, Andrew Thwaites

专题命中 神经信号处理 ：neural signal(abstract)；cortical(abstract)；分类 q-bio.NC

AI总结 比较频率主义与贝叶斯方法映射皮层夹带，贝叶斯方法保留核心优势并改变选择标准，通过听觉神经成像数据集评估性能和可解释性，探讨对系统神经科学的影响。