Leveraging Recurrent Neural Networks for Predicting Motor Movements from Primate Motor Cortex Neural Recordings

要約

この論文では、ヒト以外の霊長類の神経記録から運動動作を解読するための効率的な深層学習ソリューションを紹介します。
このタスクのモデル アーキテクチャとして、Autoencoder Gated Recurrent Unit (AEGRU) モデルが採用されました。
オートエンコーダーは、より良い一般化を達成するためにトレーニング段階でのみ使用されます。
前処理技術と合わせて、私たちのモデルは 0.71 $R^2$ スコアを達成し、Neurobench のベースライン モデルを上回り、ニューラル デコーディングに関する IEEE BioCAS 2024 Grand Challenge の $R^2$ で 1 位にランクされました。
モデルの枝刈りも適用され、枝刈りされていないモデルと比較して $R^2$ スコアにほとんど変化がなく、積和演算 (MAC) 演算が 41.4% 削減されます。

要約(オリジナル)

This paper presents an efficient deep learning solution for decoding motor movements from neural recordings in non-human primates. An Autoencoder Gated Recurrent Unit (AEGRU) model was adopted as the model architecture for this task. The autoencoder is only used during the training stage to achieve better generalization. Together with the preprocessing techniques, our model achieved 0.71 $R^2$ score, surpassing the baseline models in Neurobench and is ranked first for $R^2$ in the IEEE BioCAS 2024 Grand Challenge on Neural Decoding. Model pruning is also applied leading to a reduction of 41.4% of the multiply-accumulate (MAC) operations with little change in the $R^2$ score compared to the unpruned model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google