幫助中心 | 我的帳號 | 關於我們

多模態腦機介面

  • 作者:馬騰//余建國//段瑩//李玲玲|責編:楊雅琳
  • 出版社:電子工業
  • ISBN:9787121446757
  • 出版日期:2023/03/01
  • 裝幀:平裝
  • 頁數:134
人民幣:RMB 69 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書提出並實現了一套結合運動想象BCI與運動起始視覺誘發電位BCI的混合BCI系統,分別針對組成多模態系統的各單模態BCI提出或改進了特徵提取與識別方法。

作者介紹
馬騰//余建國//段瑩//李玲玲|責編:楊雅琳

目錄
第1章  腦機介面研究現狀及前景
  1.1  腦機介面相關背景及系統框架
    1.1.1  腦機介面相關背景介紹
    1.1.2  腦機介面系統框架
  1.2  主要的單模態腦機介面類別
    1.2.1  運動想象-腦機介面系統(MI-BCI系統)
    1.2.2  穩態視覺誘發電位-腦機介面系統(SSVEP-BCI系統)
    1.2.3  皮質慢電位-腦機介面系統(SCP-BCI系統)
    1.2.4  彩色瞬態視覺誘發電位-腦機介面系統(CTUEP-BCI系統)
    1.2.5  P300電位-腦機介面系統
    1.2.6  運動起始視覺誘發電位-腦機介面系統(mVEP-BCI系統)
  1.3  混合腦機介面研究現狀
  1.4  腦機介面的應用前景
    1.4.1  康復醫學方面
    1.4.2  生活娛樂方面
    1.4.3  軍事方面
  1.5  本書主要研究工作
第2章  結合運動想象與運動起始視覺誘發電位的多模態BCI在線運動控制系統
  2.1  引言
  2.2  方法
    2.2.1  MI和mVEP的融合方案
    2.2.2  EEG信號處理
    2.2.3  實驗方案
  2.3  結果
    2.3.1  離線測試
    2.3.2  多模態BCI系統的在線評估
  2.4  討論
  2.5  本章小結
第3章  基於深度學習與壓縮感知的運動起始視覺誘發電位BCI特徵提取
  3.1  引言
  3.2  方法
    3.2.1  實驗數據
    3.2.2  EEG信號處理
    3.2.3  結合壓縮感知和深度學習的特徵提取
    3.2.4  多層壓縮感知
    3.2.5  基於多層RBM和稀疏降噪的深度特徵提取
  3.3  結果
    3.3.1  壓縮感知特徵
    3.3.2  深度特徵
    3.3.3  基於多模態特徵的mVEP-BCI系統的表現
  3.4  討論
  3.5  本章小結
第4章  基於運動起始視覺誘發電位BCI的自適應校準框架
  4.1  引言
  4.2  方法與材料
    4.2.1  BCI分類器的傳統訓練方案
    4.2.2  實驗過程中的分類器自適應校準框架
    4.2.3  實驗範式及被試
  4.3  結果
    4.3.1  校準間隔的影響

    4.3.2  可靠樣本選擇閾值的影響
  4.4  討論
  4.5  本章小結
第5章  基於半監督卷積深信度網路特徵提取的跨被試運動想象BCI實現
  5.1  引言
  5.2  方法
    5.2.1  卷積深信度網路
    5.2.2  改進的半監督卷積深信度網路
  5.3  實驗結果
    5.3.1  實驗數據
    5.3.2  EEG數據處理
    5.3.3  結果比較
  5.4  討論
  5.5  本章小結
第6章  總結和展望
  6.1  全文總結
  6.2  未來展望

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032