基于深度学习与集成学习的人脑-外骨骼机器人接口模式研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本文的研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容 | 第13-15页 |
| 第2章 上肢可穿戴机器人系统设计概述 | 第15-23页 |
| 2.1 上肢可穿戴机器人综述 | 第15-16页 |
| 2.2 材料方面 | 第16-18页 |
| 2.3 驱动方式 | 第18-20页 |
| 2.4 人体控制方法 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于深度学习的EEG信号分析方法 | 第23-41页 |
| 3.1 深度神经网络与递归卷积神经网络 | 第23-37页 |
| 3.1.1 深度神经网络 | 第23-24页 |
| 3.1.2 深度神经网络处理方法 | 第24-30页 |
| 3.1.3 卷积神经网络 | 第30-33页 |
| 3.1.4 递归神经网络 | 第33-36页 |
| 3.1.5 递归卷积神经网络 | 第36-37页 |
| 3.2 问题描述 | 第37-38页 |
| 3.3 方法流程 | 第38页 |
| 3.4 递归卷积神经网络模型设计 | 第38-39页 |
| 3.4.1 输入层和输出层的设计 | 第38页 |
| 3.4.2 池化层的设计 | 第38-39页 |
| 3.4.3 卷积层的设计 | 第39页 |
| 3.5 实验与分析 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于混合学习的运动相关信号分类方法 | 第41-59页 |
| 4.1 集成学习 | 第41-42页 |
| 4.2 混合学习 | 第42-45页 |
| 4.3 方法流程 | 第45-46页 |
| 4.4 特征选择与提取 | 第46-50页 |
| 4.5 基于混合学习运动相关电位分类 | 第50-54页 |
| 4.6 实验与分析 | 第54-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 可穿戴外骨骼上肢在线脑-机接口系统设计 | 第59-71页 |
| 5.1 硬件系统 | 第59-62页 |
| 5.2 网络协议 | 第62-63页 |
| 5.3 仿真界面 | 第63-64页 |
| 5.4 客户端命令传输系统的设计 | 第64-65页 |
| 5.5 服务器端命令传输系统的设计 | 第65-68页 |
| 5.6 本章小结 | 第68-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 参考文献 | 第73-83页 |
| 致谢 | 第83-85页 |
| 附录 | 第85页 |
| A. 作者在攻读硕士学位期间参加的科研项目 | 第85页 |
| B. 作者在攻读硕士学位期间获得的荣誉 | 第85页 |
