本文提出了一种基于物联网技术的新型心电监测方法，使用基于 DSR 和 REL 的路由系统，并测试了基于 ANN、SVM 和 CNN 的 ECG 信号分类方法。Deep-ECG 将采用深度 CNN 来提取重要特征，并使用简单且快速的距离函数进行分类，从而高效识别心脏问题。研究结果表明，所提出的策略在分类准确性方面优于其他方法。

Feb, 2022

此研究通过比较不同的神经网络进行运动解码，并结合传统信号处理技术与机器学习方法，在原始数据源处提取信息以解决无线可植入脑机接口中数据速率增加的问题，获得了令人惊喜的性能表现。

Dec, 2023

本文介绍了机器学习和人工神经网络在下一代无线通信网络中的应用，涵盖了前馈神经网络、循环神经网络、脉冲神经网络和深度神经网络等不同类型，并讨论了无人机通信、虚拟现实和边缘缓存等无线通信问题和挑战。作者提出了未来可能的研究方向，对开发满足未来无线网络需求的机器学习技术提供了全面的指南。

Oct, 2017

本研究提出了基于人工神经网络的框架，能够有效利用大量传感器信号信息来准确预测汽车零部件的健康状态，并引入数据增强方法以消除噪声的影响。该框架已在 Robert Bosch GmbH 的实际应用中得到验证。

Apr, 2018

本文提出一种方法，通过结合来自时频谱图的信号特征和人类感知，以提高声音分类性能，该方法利用人工神经网络 (ANN) 学习基于人类感知知识的信号特征，并应用于包含 24 个月几乎连续记录的大型声学数据集，结果表明性能显著提高。

May, 2013

本文探讨了如何利用深度学习来研究神经健康以及在算法模型中解释神经分析的困难。其重要贡献在于调查死亡神经元对人工神经网络性能的影响，以评估这些发现在生物领域的潜在应用，可能对神经系统疾病的治疗有重要影响。

Jun, 2023

智能算法在神经设备上的整合对于各种脑部疾病具有重要机遇。在本文中，我们回顾了在可植入或可穿戴设备上嵌入信号处理的三类智能神经假体的最新进展，包括：1）用于闭环症状追踪和响应性刺激的神经接口；2）用于新兴网络相关疾病如精神疾患的神经接口；以及 3）用于瘫痪后运动恢复的智能脑 - 机接口片上系统（BMI SoCs）。

May, 2024

本文介绍了一种基于神经假肢系统的人工智能代理，通过一个外周神经接口实现对截肢者的运动意图的翻译，从而使假肢的手指和手腕得以智能控制，实现了多项运动解码实验，并在手势匹配任务中证明了 AI 代理的实时性能及信息吞吐量，此技术的长期使用也表现出强大的预测性能，这表明了神经技术未来能够实现高灵活度和直观性的假肢控制。

Mar, 2022

人工神经网络 (ANNs) 是最广泛应用的生物启发计算形式之一。该论文探索了新的方法，通过借鉴生物学中神经微电路的作用，使用人工神经微电路 (ANMs) 来组装大型神经网络，以期成为现成的组件。论文展示了采用新颖性搜索方法生成此类微电路目录的初步结果，并讨论了扩展这项初步工作的努力，包括在这些努力中发现的挑战以及可能克服这些挑战的方法。

Mar, 2024

将人工神经网络与神经科学整合可显著提高任务性能，通过将回声状态网络重新设计来模拟大脑听觉系统，实现了实时海波预测，为海洋能源生产提供了一个高效的工具。

Apr, 2024