[发明专利]一种脑区脉冲神经信号的预测方法

摘要

本发明涉及一种脑区脉冲神经信号的预测方法，包括如下步骤：1)、脑区脉冲神经信号通道预处理；2)、后继脑区脉冲神经信号生成概率模型建模；3)、模型准确性度量；4)、利用数值梯度下降进行模型优化；5)迭代计算完成后继脑区脉冲神经信号预测。本预测方法将脉冲神经信号的点过程的天然特性纳入预测模型的优化目标中，从而提高模型对神经脉冲序列的预测能力。

主权项

1.一种脑区脉冲神经信号的预测方法，其特征在于，包括如下步骤：1)、脑区脉冲神经信号通道预处理：首先将原始脑区脉冲神经信号采用时间槽划分完成离散化；筛除所有脑区脉冲神经信号通道中脉冲发放率过高或过低的信号通道；所述筛除方法是指：首先将每一路脉冲神经信号通道按照时间轴划分成50％训练集、20％验证集和30％测试集，检测此信号通道的三个集合中脉冲发放率是否均在2Hz至40Hz之间，满足此条件便通过筛选；2)、后继脑区脉冲神经信号生成概率模型建模：利用互信息获取与后继脑区的每一路信号通道互信息值最高的若干前继脑区信号通道作为模型自变量，然后针对每一个待预测的后继脑区信号通道中的每一个时间槽设置滑动窗口来选取模型的输入自变量；得到模型的输入自变量之后，以非齐次泊松点过程通用线性模型进行后继脑区脉冲神经信号生成概率模型建模；3)、模型准确性度量：通过步骤2)中的模型得到后继脑区待预测脉冲神经信号的脉冲发放概率序列；利用离散时间重放缩柯尔莫诺夫‑斯米尔诺夫统计量作为度量模型效果的量纲，计算模型的效果度量值；4)、利用数值梯度下降进行模型优化：将步骤3)中得到的模型的效果度量值作为目标函数，然后对目标函数求导得到数值梯度，采用拟牛顿法进行最优参数优化计算；5)迭代计算：在求解最优参数计算的过程中，迭代执行步骤3)和步骤4)，直至优化后的参数对应的模型准确性达到局部极值点或达到迭代次数上限，将最终确定的参数代入模型中，并利用此模型完成后继脑区脉冲神经信号预测。