| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第15-37页 |
| 1.1 脑机接口简介 | 第15-21页 |
| 1.1.1 脑机接口概述 | 第15-17页 |
| 1.1.2 研究现状 | 第17-21页 |
| 1.2 互适应脑机接口 | 第21-33页 |
| 1.2.1 大脑神经元的可塑性 | 第22-25页 |
| 1.2.2 适应脑机接口系统 | 第25-33页 |
| 1.3 研究内容与目标 | 第33-35页 |
| 1.4 论文结构安排 | 第35-37页 |
| 2. 实验设计及信号采集及处理 | 第37-57页 |
| 2.1 动物行为学实验 | 第37-41页 |
| 2.1.1 实验对象 | 第37-38页 |
| 2.1.2 基于大鼠的离散行为学实验 | 第38-39页 |
| 2.1.3 基于猴子的连续行为学实验 | 第39-40页 |
| 2.1.4 基于猴子的复杂行为学实验 | 第40-41页 |
| 2.2 神经/行为信号采集 | 第41-49页 |
| 2.2.1 微电极阵列 | 第41-42页 |
| 2.2.2 信号采集 | 第42-45页 |
| 2.2.3 神经信号预处理 | 第45-49页 |
| 2.3 基于强化学习的BMI解码 | 第49-56页 |
| 2.3.1 强化学习简介 | 第49-53页 |
| 2.3.2 基于Q学习的BMI仿真 | 第53-56页 |
| 2.4 本章小结 | 第56-57页 |
| 3. 针对空间高效探索的AGREL研究及连续追踪任务应用 | 第57-79页 |
| 3.1 AGREL介绍 | 第57-59页 |
| 3.2 网格追踪任务应用 | 第59-62页 |
| 3.3 基于AGREL的在线解码系统 | 第62-66页 |
| 3.4 AGREL在center-out任务连续预测 | 第66-78页 |
| 3.4.1 连续解码预处理 | 第67-70页 |
| 3.4.2 连续轨迹的预测及分析 | 第70-78页 |
| 3.5 本章小结 | 第78-79页 |
| 4. 基于空间信用分配的QAGKRL设计及避障任务应用 | 第79-103页 |
| 4.1 QAGKRL | 第80-88页 |
| 4.1.1 核方法简介 | 第80-81页 |
| 4.1.2 QAGKRL学习框架 | 第81-87页 |
| 4.1.3 系数变化的均值和方差分析 | 第87-88页 |
| 4.2 QAGKRL在仿真实验的应用 | 第88-91页 |
| 4.2.1 异或和计数任务 | 第88-89页 |
| 4.2.2 网格追踪任务 | 第89-91页 |
| 4.3 QAGKRL在避障任务的应用 | 第91-102页 |
| 4.3.1 神经网络设置 | 第91-95页 |
| 4.3.2 预测及分析 | 第95-102页 |
| 4.4 本章小结 | 第102-103页 |
| 5. 基于相关熵降噪的RL算法设计及避障任务应用 | 第103-117页 |
| 5.1 CAGREL和C-QAGKRL | 第103-107页 |
| 5.1.1 相关熵及最大相关熵准则 | 第103-105页 |
| 5.1.2 CAGREL和C-QAGKRL | 第105-107页 |
| 5.2 网格追踪任务应用 | 第107-110页 |
| 5.2.1 核宽度的选择 | 第107-108页 |
| 5.2.2 实验结果分析 | 第108-110页 |
| 5.3 避障任务的解码及分析 | 第110-115页 |
| 5.4 本章小结 | 第115-117页 |
| 6. 总结与展望 | 第117-121页 |
| 6.1 工作总结 | 第117-119页 |
| 6.2 工作展望 | 第119-121页 |
| 参考文献 | 第121-135页 |
| 攻读博士学位期间主要研究成果 | 第135-137页 |
| 致谢 | 第137-138页 |
