Известия Саратовского университета.

Новая серия. Серия Физика

ISSN 1817-3020 (Print)
ISSN 2542-193X (Online)


Для цитирования:

Тупицын А. Н., Назимов А. И., Павлов А. Н. Идентификация потенциалов действия малых ансамблей нейронов с применением вейвлет-анализа и метода нейронных сетей // Известия Саратовского университета. Новая серия. Серия: Физика. 2009. Т. 9, вып. 2. С. 57-65. DOI: 10.18500/1817-3020-2009-9-2-57-65

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
(загрузок: 225)
Язык публикации: 
русский
Рубрика: 
УДК: 
537.86:519.2

Идентификация потенциалов действия малых ансамблей нейронов с применением вейвлет-анализа и метода нейронных сетей

Авторы: 
Тупицын Анатолий Николаевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Назимов Алексей Игоревич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Павлов Алексей Николаевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Аннотация: 

Обсуждается возможность решения задачи автоматической идентификации нейронных спайков во внеклеточных записях электрического потенциала на основе комбинированного алгоритма, предусматривающего применение нейронных сетей и дискретного вейвлет-преобразования. Иллюстрируется эффективность комбинированного подхода при анализе экспериментальных данных.

Список источников: 

1. Tuckwell Н.С. Introduction to theoretical neurobiology Cambridge: Cambridge University Press, 1988.

2. Lewicki M. A review of methods for spike sorting: the detection and classification of neural potencials // Net. Com. Neu. Sys. 1998. Vol.9. P.R53-R78.

3. Letelier J., Weber P. Spike sorting based on discrete wavelet transform coefficients // J. of Neuroscience Methods. 2000. Vol.101. P.93-106.

4. Hulata E., Segev R., Ben-Jacob E. A metod for spike sorting and detection based on wavelet packets and Shannon's mutual information // J. of Neuroscience Methods. 2002. Vol.117. P.l-12.

5. Daubechies I. Ten lectures on wavelets. Philadelphia: S.I.A.M., 1992.

6. Meyer Y. Wavelets: Algorithms and applications. Philadelphia: S.I.A.M., 1993.

7. Addison P.S. The illustrated wavelet transform handbook: applications in science, engineering, medicine and finance. Philadelphia: IOP Publishing, 2002.

8. Думский Д.В., Павлов A.M., Тупицын А.Н., Макаров В.А. Классификация нейронных потенциалов действия на основе вейвлет-преобразования // Изв. вузов. Прикладная нелинейная динамика. 2005. 1'. 13, №5-6. С.77-98.

9. Pavlov A.N., Makarov V.A., Makarova L, Panetsos F. Separation of extracellular spikes: when wavelet based methods outperfonn the principle component analysis // Lecture Notes in Computer Science / Ms. j . Mira, J.R. Alvarez. Berlin, 2005. P.123-132.

10. Pavlov A.N., Makarov V.A., Makarova L, Panetsos F. Sorting of extracellular spikes: When wavelet based methods outperform the principle component analysis // Natural Computing. 2007. Vol.6. P.269-281.

11. Макаров В.А., Павлов А.Н., Тупицын A.M. Сортировка нейронных спайков на основе параметрического вейвлет-анализа с адаптивной фильтрацией // Цифровая обработка сигналов. 2008. №3. С.26-31.

12. Haykin S. Neural networks. A comprehensive foundation. New Jersey: Prentice Hall, 1999.

13. Kohonen T. Selforganization and associative memory. N.Y.: Springer-Verlag, 1989.

14. Ihpfield J., Tank D. Neural computation of decision in optimization problems // Biol. Cybernet 1985. Vol.52. Р.14Ы52.

15. Callan R. The essence of neural networks. New Jersey: Prentice Hall, 1999.