更新时间：2025-05-14 18:40作者：佚名
根据1月17日的Eenewseurope网站，加利福尼亚理工学院及其同事的Azita Emami最近表示：已经实施了机器学*，以有效地解释由脑部计算机界面（BMIS）收到的神经元信号。 Benyamin Haghi解释说：“我们创建了一个神经网络，该神经网络自动从整个神经信号中提取信息，从所有微小的波动和信号变化中提取信息，并将其转化为患者的意图。” “随着时间的流逝，BMI接受了看起来像噪音的神经活动信号和信号的培训，因此它可以解释用户的意图。” “团队的算法称为FENET，是一种功能提取网络。值得注意的是，可以根据一个患者的数据进行培训，然后成功地用于另一名患者。”这意味着我们所获得的神经数据中有一些基本类型的信息。”“远不止于此。 https://www.eenewseurope.com/en/improving-brain-machine-interfaces-with-machine-learning/
