灵长类动物脑机交互计算标准化平台的设计与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 困难与挑战 | 第17-19页 |
| 1.3.1 脑机交互计算数据的规范 | 第18页 |
| 1.3.2 解码算法的可配置可扩展性支持 | 第18-19页 |
| 1.3.3 大数据分布式计算的融合 | 第19页 |
| 1.4 本文的研究内容 | 第19页 |
| 1.5 全文内容安排 | 第19-21页 |
| 第2章 脑机接口计算范例：猕猴运动解码系统 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 硬件平台开发及实验范式设计 | 第21-24页 |
| 2.3 实验流程与数据处理 | 第24-25页 |
| 2.4 解码系统实现 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 脑机接口数据标准化设计 | 第29-35页 |
| 3.1 引言 | 第29页 |
| 3.2 脑机接口数据采集和常见范式 | 第29-31页 |
| 3.2.1 植入式脑机接口数据 | 第29-31页 |
| 3.2.2 非植入式脑机接口数据 | 第31页 |
| 3.3 标准数据格式设计 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于科学工作流的分布式计算平台设计 | 第35-50页 |
| 4.1 引言 | 第35-36页 |
| 4.2 计算流程的可配置性与可视化设计 | 第36-39页 |
| 4.2.1 科学工作流的介绍 | 第36-37页 |
| 4.2.2 设计细节 | 第37-39页 |
| 4.3 实验数据与解码算法的可扩展性设计 | 第39-41页 |
| 4.3.1 实验数据的可扩展性设计 | 第39-40页 |
| 4.3.2 解码算法的可扩展性设计 | 第40-41页 |
| 4.4 基于Hadoop的分布式计算架构设计 | 第41-49页 |
| 4.4.1 脑机交互大数据计算所面临的的困难 | 第41-42页 |
| 4.4.2 Hadoop分布式计算架构及其优势 | 第42-43页 |
| 4.4.3 基于Hadoop的计算框架的初步实现 | 第43-46页 |
| 4.4.4 基于Hadoop的算法设计实例 | 第46-47页 |
| 4.4.5 解码计算结果及分布式计算效率分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 脑机交互计算标准化平台的实现 | 第50-65页 |
| 5.1 引言 | 第50页 |
| 5.2 系统架构与特性 | 第50-53页 |
| 5.2.1 系统架构 | 第50-52页 |
| 5.2.2 系统特性 | 第52-53页 |
| 5.3 系统通信协议制定 | 第53-56页 |
| 5.4 系统模块设计与开发 | 第56-60页 |
| 5.4.1 客户端 | 第56-59页 |
| 5.4.2 服务端 | 第59-60页 |
| 5.5 系统的运作案例分析 | 第60-63页 |
| 5.5.1 实验数据与算法准备 | 第60-61页 |
| 5.5.2 系统运行结果 | 第61-63页 |
| 5.6 系统测试 | 第63-64页 |
| 5.6.1 系统的正确性 | 第63页 |
| 5.6.2 系统的有效性 | 第63-64页 |
| 5.6.3 系统的稳定性与易用性 | 第64页 |
| 5.7 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-68页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 主要创新点 | 第66页 |
| 6.3 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间主要的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
