基于神经网络的癫痫发作预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究历史和现状 | 第10-13页 |
| 1.3 课题来源 | 第13-14页 |
| 1.4 本文研究内容 | 第14-17页 |
| 第2章 癫痫发作预测相关技术介绍 | 第17-25页 |
| 2.1 癫痫脑电分析技术基础内容 | 第17-19页 |
| 2.1.1 传统脑电分析方法 | 第17-19页 |
| 2.2 深度学习脑电特征提取与分类方法 | 第19-23页 |
| 2.2.1 深度学习脑电研究现状 | 第19-20页 |
| 2.2.2 有监督学习研究方法 | 第20页 |
| 2.2.3 无监督学习研究方法 | 第20-22页 |
| 2.2.4 半监督学习方法 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于生成对抗网络的癫痫发作预测模型 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于生成对抗网络的癫痫发作预测模型提出 | 第26-31页 |
| 3.2.1 深层对抗生成神经网络原理 | 第27-29页 |
| 3.2.2 基于超限学习机的脑电分类方法 | 第29-31页 |
| 3.3 基于生成对抗网络的癫痫发作预测算法实现 | 第31-32页 |
| 3.4 实验结果分析与讨论 | 第32-38页 |
| 3.4.1 实验数据说明 | 第32-33页 |
| 3.4.2 评价标准 | 第33-34页 |
| 3.4.3 实验结果对比与分析 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于半监督学习的癫痫发作预测模型 | 第39-57页 |
| 4.1 引言 | 第39-40页 |
| 4.2 基于半监督学习的癫痫发作预测模型 | 第40-42页 |
| 4.3 基于半监督学习的癫痫发作预测算法实现 | 第42-46页 |
| 4.4 实验结果对比与分析 | 第46-56页 |
| 4.4.1 实验数据说明 | 第46-49页 |
| 4.4.2 训练数据展示 | 第49-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间的研究成果 | 第65-67页 |
| 致谢 | 第67页 |
