基于卷积神经网络的脑机接口系统的研究及实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究及发展状况 | 第14-16页 |
| 1.2.1 脑机接口研究及发展状况 | 第14-15页 |
| 1.2.2 脑电信号分类方法的研究及发展状况 | 第15-16页 |
| 1.3 论文的主要工作 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 相关理论及技术 | 第18-39页 |
| 2.1 卷积神经网络理论介绍 | 第18-33页 |
| 2.1.1 卷积神经网络的发展历程 | 第18页 |
| 2.1.2 卷积神经网络理论 | 第18-33页 |
| 2.2 谷歌机器学习框架tensorflow介绍 | 第33-36页 |
| 2.3 脑机接口系统的介绍 | 第36-38页 |
| 2.3.1 脑机接口系统的发展历程 | 第36页 |
| 2.3.2 脑机接口系统的分类 | 第36-37页 |
| 2.3.3 脑机接口系统的基本组成与工作原理 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 脑电数据的预处理 | 第39-44页 |
| 3.1 脑电数据集的说明 | 第39-42页 |
| 3.1.1 脑电数据集介绍 | 第39-41页 |
| 3.1.2 训练数据集与测试数据集的划分 | 第41-42页 |
| 3.2 脑电数据的预处理 | 第42-43页 |
| 3.2.1 脑电数据的信号滤波 | 第42-43页 |
| 3.2.2 脑电数据的归一化处理 | 第43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于卷积神经网络的运动想象脑电分类 | 第44-54页 |
| 4.1 卷积神经网络的结构设计 | 第44-47页 |
| 4.1.1 卷积层 | 第44-46页 |
| 4.1.2 池化层 | 第46页 |
| 4.1.3 分类层 | 第46-47页 |
| 4.2 网络结构的参数调整 | 第47-48页 |
| 4.2.1 隐层神经元个数的选择 | 第47-48页 |
| 4.2.2 模型学习率的确定 | 第48页 |
| 4.3 过拟合问题的处理 | 第48-51页 |
| 4.3.1 dropout方法的引入 | 第49-50页 |
| 4.3.2 LRN正则化的引入 | 第50-51页 |
| 4.4 结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于卷积神经网络的脑机接口系统实现 | 第54-64页 |
| 5.1 概述 | 第54页 |
| 5.2 脑机接口系统的实现 | 第54-62页 |
| 5.2.1 视觉诱发刺激模块的实现 | 第57-58页 |
| 5.2.2 脑电信号数据接收模块的实现 | 第58页 |
| 5.2.3 脑电信号的数据预处理模块的实现 | 第58-59页 |
| 5.2.4 脑电信号分类模块的实现 | 第59-60页 |
| 5.2.5 分类结果模块的实现 | 第60-61页 |
| 5.2.6 脑机接口系统软件的各模块整合 | 第61-62页 |
| 5.3 结果分析 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
