基於腦機交互的人體運動意圖智能識別演算法研究與應用 王子男 9787522912677 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國紡織有限公司
物品所在地：中國大陸
原出版社：中國紡織有限公司
NT$560
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：基於腦機交互的人體運動意圖智能識別演算法研究與應用 ISBN：9787522912677 出版社：中國紡織有限公司 著編譯者：王子男 頁數：186 所在地：中國大陸 *此為代購商品 書號：1612827 可大量預訂，請先連絡。 內容簡介 本書針對腦電信號非線性、幅值微弱、信噪比低等特點對解碼性能的影響。介紹了基於傳統機器學習、深度學習與遷移學習的數據優化、特徵融合與特徵遷移演算法，主要內容包括：基於最大平均差異和P閾值優化的腦電信號（EEG）通道選擇演算法；基於多重加權的EEG多模態特徵融合演算法；基於受限玻爾茲曼機的EEG深度多模態特徵學習演算法；基於殘差網路的EEG多模態特徵動態融合演算法；基於多特徵混合融合網路的EEG解碼演算法；基於時空融合域適應的EEG特徵遷移演算法。 本書可作為計算機、人工智慧、模式識別等相關專業人員的參考用書。目錄 第1章 緒論1 1 研究背景與意義 1 2 腦機介面系統概述 1 2 1 腦機介面技術簡介 1 2 2 腦機介面的類型及特點 1 2 3 腦機介面的研究現狀 1 3 運動想象腦電信號識別演算法的研究現狀 1 3 1 腦電信號通道選擇演算法的研究現狀 1 3 2 腦電信號特徵提取演算法的研究現狀 1 3 3 腦電信號特徵分類演算法的研究現狀 1 3 4 基於深度學習的腦電信號識別演算法研究現狀 1 3 5 基於遷移學習的腦電信號解碼演算法研究現狀 第2章 運動想象腦電信號識別演算法的相關理論 2 1 腦電信號的特點 2 2 腦電信號的預處理 2 2 1 插值壞導 2 2 2 剔除壞段 2 2 3 基於獨立成分分析的偽跡去除 2 3 基於運動想象的腦電信號識別演算法 2 3 1 小波變換 2 3 2 主成分分析 2 3 3 支持向量機 2 3 4 卷積神經網路 2 4 本章小結 第3章 基於：MMD和P閾值優化的EEG通道選擇演算法 3 1 引言 3 2 P-MMD腦電信號通道選擇演算法 3 2 1 最大平均差異 3 2 2 共空間模式 3 2 3 屍閾值優化的通道選擇演算法 3 3 實驗與結果分析 3 3 1 實驗數據描述 3 3 2 實驗結果分析 3 4 本章小結 第4章 基於多重加權的EEG多模態特徵融合演算法 4 1 引言 4 2 腦電信號的多模態特徵融合演算法 4 2 1 腦電信號的時域特性 4 2 2 基於巴特沃斯帶通濾波器的腦電信號頻率特性 4 2 3 基於小波包分解的腦電信號時頻特性 4 2 4 腦電信號的多模態特徵融合 4 3 多重加權腦電信號的多模態特徵融合 4 4 實驗結果與可視化分析 4 4 1 實驗數據描述 4 4 2 實驗結果分析 4 4 3 多重加權特徵的腦連接矩陣可視化分析 4 5 本章小結 第5章 基於受限玻爾茲曼機的：EEG深度多模態特徵學習演算法 5 1 引言 5 2 深度多模態特徵學習演算法Pt-RBMs 5 2 1 基於RBM的網路預訓練 5 2 2 基於t-SNE演算法的網路調整 5 2 3 基於腦電信號多模態特徵的Pt-RBMs網路訓練 5 2 4 Pt-RBMs網路最優參數的選取 5 3 實驗結果與可視化分析 5 3 1 實驗數據描述 5 3 2 實驗結果 5 3 3 可視化分析 5 4 本章小結 第6章 基於殘差網路的EEG多模態特徵動態融合演算法 6 1 引言 6 2 基於殘差網路的特徵動態融合演算法 6 2 1 Res-DF網路的數據表示模塊 6 2 2 Res-DF網路的模型預訓練 6 2 3 Res-DF網路的動態自適應融合模塊 6 2 4 Res-DF網路參數的選取及訓練 6 3 實驗結果與可視化分析 6 3 1 實驗結果分析 6 3 2 可視化分析 6 4 本章小結 第7章 基於多特徵混合融合網路的EEG解碼演算法 7 1 引言 7 2 多特徵混合融合TS-EFCNN-DS網路模型 7 2 1 模型總體結構 7 2 2 多特徵輸入數據表徵 7 2 3 混合融合卷積神經網路結構 7 2 4 混合融合卷積神經網路參數的選取及訓練 7 3 實驗結果與可視化分析 7 3 1 實驗數據預處理 7 3 2 實驗結果分析 7 3 3 可視化分析 7 4 本章小結 第8章 基於時空融合域適應的EEG特徵遷移演算法 8 1 引言 8 2 時空融合域適應特徵遷移模型 8 2 1 模型總體結構 8 2 2 特徵提取網路STENet設計 8 2 3 SCDAN+E網路的對抗策略 8 2 4 SCDAN+E網路參數的選取及訓練 8 3 實驗結果與可視化分析 8 3 1 實驗數據描述及實驗範式設計 8 3 2 實驗結果分析 8 3 3 可視化分析 8 4 本章小結 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
