首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

启发式问题解决认知神经机制及fMRI数据分析方法研究

摘要第1-5页
ABSTRACT第5-14页
第一章 绪论第14-26页
   ·问题的提出第14-16页
   ·研究意义第16-18页
   ·问题解决及FMRI 数据分析方法国内外研究现状第18-20页
   ·研究目标与主要研究内容第20-25页
     ·研究目标第20-21页
     ·主要研究内容第21-23页
     ·研究技术路线第23-25页
   ·本章小节第25-26页
第二章 基于FMRI 的思维研究方法第26-40页
   ·FMRI 技术第26-28页
   ·FMRI 研究的基本方法第28-39页
     ·fMRI 实验设计第28-30页
     ·fMRI 数据采集第30-32页
     ·fMRI 数据预处理第32-34页
     ·脑功能定位分析第34-35页
     ·多角度数据分析第35-39页
   ·本章小结第39-40页
第三章 启发式规则运用的FMRI 研究第40-67页
   ·4×4 SUDOKU 问题解决过程第40-42页
   ·认知实验设计与实施第42-44页
   ·行为数据分析及结果第44-46页
   ·FMRI 分析及结果第46-55页
     ·探索性分析第46-53页
     ·验证性ROI 分析第53-55页
   ·功能连接分析第55-60页
     ·分析方法第55-56页
     ·不区分任务条件的连接分析结果第56页
     ·区分任务条件的连接分析结果第56-57页
     ·讨论第57-60页
   ·ACT-R 认知建模第60-65页
     ·关于问题解决认知过程的假设第60-62页
     ·模型输出第62-65页
   ·结论第65-66页
   ·本章小结第66-67页
第四章 启发式规则搜索的FMRI 研究第67-78页
   ·认知实验设计与实施第67-69页
   ·行为数据分析及结果第69-71页
   ·FMRI 分析及结果第71-76页
     ·探索性分析第71-74页
     ·验证性分析第74-76页
   ·讨论第76-77页
   ·本章小节第77-78页
第五章 基于分类的FMRI 数据分析第78-97页
   ·分类FMRI 数据预测思维状态第78-82页
     ·相关研究第78-79页
     ·fMRI 数据分类基本原理第79-80页
     ·特征选择第80-81页
     ·特征抽取第81-82页
   ·分类算法选择第82-83页
   ·实验数据及预处理第83-84页
   ·基于MVC(MULTI-VOXEL CLASSIFIER)的数据分类第84-85页
     ·MVC 分类原理第84-85页
     ·MVC 分类实验结果及讨论第85页
   ·基于RVC(ROI VOTER CLASSIFIER)的数据分类第85-89页
     ·RVC 分类原理第85-87页
     ·RVC 分类实验结果及讨论第87-89页
   ·基于SVVC(SINGLE-VOXEL VOTER CLASSIFIER)的数据分类第89-95页
     ·SVVC 分类方法第89-90页
     ·单体素分类结果集成方法第90-91页
     ·单体素分类实验结果及讨论第91-95页
   ·分类正确率较高的体素脑区定位第95-96页
   ·本章小结第96-97页
第六章 BOLD 模式聚类分析第97-112页
   ·BOLD 模式聚类分析第97-99页
   ·BOLD 模式类型第99-107页
     ·提取单个voxel 的BOLD 效应第99页
     ·聚类算法选择第99-105页
     ·感兴趣BOLD 模式第105-107页
   ·脑区之间协作关系第107-111页
     ·与标准模式的相关分析第107-109页
     ·感兴趣模式的层次聚类第109-111页
   ·本章小结第111-112页
第七章 结论与展望第112-115页
   ·主要工作第112-113页
   ·未来的工作第113-115页
参考文献第115-123页
附录第123-134页
致谢第134-136页
攻读学位期间发表的学术论文目录第136-137页
攻读学位期间主持和参与的科研项目第137-138页

论文共138页,点击 下载论文
上一篇:医疗器械车辆路径优化问题的研究
下一篇:混沌与支持向量机结合的多相催化建模与优化研究