اهمیت زمان بندی و نرخ اسپایک در مدل گیرنده Merkel ی مکانیکی

حس لمس، نقش مهمی در تعاملات ما با محیط اطراف دارد. بازوهای مکانیکی، ربات ها و پروتزهای عصبی، با داشتن حس لمس عملکرد بهتری خواهند داشت. مطالعات میکرونوروگرافی در انسان ها، نشان داده است که نورون های آوران اولیه مانند گیرنده های مکانیکی نوک انگشت، نقش مهمی در کدگذاری و تفکیک پذیری انواع مختلفی از تحریک ها با استفاده از الگوهای قطار اسپایک دارند.

یک روش آزمایشگاهی برای شبیه سازی پاسخ های گیرنده ی تطابق آهسته. به تحریک نیرو با در نظر گرفتن رفتار اسپایکی، به کار گرفته شده است I ی نوع در واقع، برای تشخیص نیرو، از داده به Izhikevich های حسگر و ویژگی اسپایکی استفاده گردید. سیگنال آنالوگ حسگر، به عنوان جریان ورودی به مدل نورونی منظور به دست آوردن قطارهای اسپایک اعمال شد. ویژگی های قطارهای اسپایک با کدگذاری نرخی و کدگذاری زمان بندی اسپایک استخراج شد. ویژگی های مورد نظر، به طبقه بندی کننده K ی) جهت طبقه SVM (Support vector machines) و kNN (-nearest neighbor بندی انواع نیروها داده شد.

بالاترین دقت طبقه ویژگی ، درصد211 بندی ویژگی کدگذاری نرخی با درستی Inter های) با ISI CV (-spike intravel coefficient of variation Victor درصد و 82/28درستی درصد به دست آمد. همچنین، با استفاده از قطارهای اسپایک حاصل از نیروی تماس 81) با درستی VPd(-purpura distance اطلاعات متقابل، کدگذاری نرخی و کدگذاری زمانی نیز محاسبه شد.

ارسال اطلاعات با روش کدگذاری نرخی از کدگذاری زمان بندی اسپایک در تحریک گیرنده بیشتر است. همچنین، با افزایش نیرو، Merkel ی مکانیکی میزان آتش کردن گیرنده نیز افزایش می Merkel ی مکانیکی یابد