基于迁移学习的脑机融合系统的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 1 绪论 | 第14-23页 |
| 1.1 选题背景 | 第14-16页 |
| 1.2 问题描述 | 第16-17页 |
| 1.3 研究意义 | 第17-19页 |
| 1.4 研究目标 | 第19页 |
| 1.5 研究内容 | 第19-20页 |
| 1.6 主要贡献 | 第20-21页 |
| 1.7 组织结构 | 第21-23页 |
| 2 研究基础现状与挑战 | 第23-35页 |
| 2.1 研究基础 | 第23-26页 |
| 2.2 研究现状 | 第26-34页 |
| 2.2.1 脑机接口 | 第26-30页 |
| 2.2.2 迁移学习 | 第30-33页 |
| 2.2.3 脑机融合 | 第33-34页 |
| 2.3 研究挑战 | 第34-35页 |
| 3 脑机融合的体系结构与系统设计 | 第35-49页 |
| 3.1 脑机融合的体系结构 | 第35-40页 |
| 3.1.1 脑机融合的三层体系结构 | 第35-37页 |
| 3.1.2 基于迁移学习的脑机融合的体系结构 | 第37-40页 |
| 3.2 脑机融合的系统设计 | 第40-48页 |
| 3.2.1 脑机融合动物机器人系统设计 | 第40-44页 |
| 3.2.2 脑机融合神经康复系统设计 | 第44-48页 |
| 3.3 本章小结 | 第48-49页 |
| 4 基于迁移强化学习的脑机融合大鼠机器人系统 | 第49-84页 |
| 4.1 研究动机 | 第49-50页 |
| 4.2 问题定义:迷宫导航 | 第50-52页 |
| 4.3 基于迁移学习的强化学习算法设计 | 第52-60页 |
| 4.3.1 未知迷宫探索 | 第54-56页 |
| 4.3.2 基于层次化的迁移强化学习 | 第56-57页 |
| 4.3.3 基于策略的迁移强化学习 | 第57-58页 |
| 4.3.4 基于值函数的迁移强化学习 | 第58-59页 |
| 4.3.5 基于规则的迁移强化学习 | 第59-60页 |
| 4.4 基于迁移强化学习的大鼠机器人迷宫导航 | 第60-70页 |
| 4.4.1 行为实验设计 | 第61-69页 |
| 4.4.2 行为实验结果 | 第69-70页 |
| 4.5 神经机理解释 | 第70-82页 |
| 4.5.1 迷宫导航中的细胞模型 | 第70-79页 |
| 4.5.2 从细胞模型中解码路径 | 第79-82页 |
| 4.6 本章小结 | 第82-84页 |
| 5 基于迁移极限学习机的脑机融合意识诊调系统 | 第84-110页 |
| 5.1 研究动机 | 第84-87页 |
| 5.2 问题定义:大脑意识诊断 | 第87-92页 |
| 5.2.1 源领域和目标领域 | 第88-89页 |
| 5.2.2 源任务和目标任务 | 第89-92页 |
| 5.3 基于特征和参数的迁移极限学习机算法设计 | 第92-100页 |
| 5.3.1 皮层脑电的特征提取 | 第92-97页 |
| 5.3.2 极限学习机前馈神经网络算法 | 第97-99页 |
| 5.3.3 基于特征和参数的迁移极限学习机算法 | 第99-100页 |
| 5.4 基于迁移极限学习机的人脑意识诊断 | 第100-104页 |
| 5.4.1 行为实验设计 | 第100-102页 |
| 5.4.2 临床实验结果 | 第102-104页 |
| 5.5 神经机理解释 | 第104-108页 |
| 5.5.1 失清醒与α振荡的相关性 | 第104-107页 |
| 5.5.2 大脑意识与α振荡的相关性 | 第107-108页 |
| 5.6 本章小结 | 第108-110页 |
| 6 总结与展望 | 第110-114页 |
| 6.1 本文工作总结 | 第110-112页 |
| 6.2 本文工作展望 | 第112-114页 |
| 参考文献 | 第114-127页 |
| 攻读博士学位期间主要的研究成果 | 第127-129页 |
| 致谢 | 第129-130页 |
