首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于卷积神经网络的运动想象脑机接口系统算法研究

摘要第6-8页
Abstract第8-10页
第一章 绪论第11-21页
    1.1 研究背景和意义第11-13页
    1.2 脑机接口系统的基本构成第13-15页
    1.3 脑机接口系统的研究现状第15-18页
    1.4 脑机接口研究中的问题第18-19页
    1.5 研究内容与结构安排第19-21页
第二章 脑机接口系统第21-27页
    2.1 脑电的产生和特点第21-22页
    2.2 脑电信号简介第22页
    2.3 侵入式和非侵入式BCI系统第22-24页
    2.4 基于运动想象的ERD/ERS第24-25页
    2.5 本章小结第25-27页
第三章 基于CNN的 BCI系统算法研究第27-35页
    3.1 预处理第27-29页
        3.1.1 LMS自适应滤波算法第27页
        3.1.2 主成分分析(PCA)第27-28页
        3.1.3 快速独立成分分析(FastICA)第28-29页
    3.2 特征提取第29-33页
        3.2.1 卷积神经网络(CNN)第29-31页
        3.2.2 CNN的训练方法第31-32页
        3.2.3 基于PyTorch搭建卷积神经网络(CNN)第32-33页
    3.3 分类识别第33-34页
        3.3.1 贝叶斯线性判别分析(BLDA)第33页
        3.3.2 梯度Boosting(GB)第33-34页
    3.4 本章小结第34-35页
第四章 基于CNN的 BCI系统实验方法第35-41页
    4.1 竞赛数据第35页
    4.2 实验信号采集原理及过程第35-38页
        4.2.1 信号采集设备第35-36页
        4.2.2 信号采集过程第36-38页
    4.3 实验程序设计第38-39页
    4.4 本章小结第39-41页
第五章 实验结果分析第41-47页
    5.1 CNN的训练结果第41-43页
    5.2 与CNN的联合训练结果第43-44页
    5.3 PCA+CNN+GB的联合训练结果第44-45页
    5.4 采集信号的测试结果第45页
    5.5 与现有BCI系统研究的比较第45-46页
    5.6 本章小结第46-47页
第六章 总结与展望第47-49页
    6.1 总结第47页
    6.2 展望第47-49页
参考文献第49-55页
攻读硕士学位期间发表的论文第55-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:基于机器视觉的船舶分段自动喷涂方法与系统研究
下一篇:中美在中亚地区的分歧管控研究