| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 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 主要研究内容和章节安排 | 第13-15页 |
| 2 脑电信号的预处理和传统分类算法 | 第15-27页 |
| 2.1 脑电信号的特征 | 第15-17页 |
| 2.2 脑电信号实验数据说明 | 第17-18页 |
| 2.3 脑电信号分析方法 | 第18-21页 |
| 2.4 脑电信号传统分类算法 | 第21-27页 |
| 3 基于卷积神经网络的脑电信号分类 | 第27-51页 |
| 3.1 基本神经网络简介 | 第27-32页 |
| 3.2 卷积神经网络简介 | 第32-39页 |
| 3.3 大间隔Softmax损失函数 | 第39-43页 |
| 3.4 模型一：一维卷积神经网络 | 第43-44页 |
| 3.5 模型二：二维卷积神经网络 | 第44-45页 |
| 3.6 基于卷积神经网络脑电信号分类结果分析 | 第45-49页 |
| 3.7 本章小结 | 第49-51页 |
| 4 基于反馈卷积神经网络的脑电信号分类 | 第51-65页 |
| 4.1 反馈卷积神经网络简介 | 第51-54页 |
| 4.2 模型三：一维反馈卷积神经网络 | 第54-55页 |
| 4.3 模型四：二维反馈卷积神经网络 | 第55页 |
| 4.4 基于反馈卷积神经网络脑电信号分类结果分析 | 第55-63页 |
| 4.5 本章小结 | 第63-65页 |
| 5 基于最大输出反馈卷积神经网络的脑电信号分类 | 第65-72页 |
| 5.1 最大输出反馈卷积神经网络 | 第65-66页 |
| 5.2 基于最大输出反馈卷积神经网络脑电信号分类结果分析 | 第66-68页 |
| 5.3 实验总结分析 | 第68-72页 |
| 6 总结与展望 | 第72-75页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 附录A 攻读学位期间参与的科研项目和发表的学术论文 | 第83页 |