新書推薦：
《
ARM嵌入式Linux系统开发详解（第3版）
》
售價：NT$
595.0
《
长寿时代：做自己人生的CFO
》
售價：NT$
310.0
《
早点知道会幸福的那些事
》
售價：NT$
295.0
《
知宋·宋代之货币
》
售價：NT$
340.0
《
爱的7种对话：建立持续一生的亲密关系 （加）苏·约翰逊
》
售價：NT$
345.0
《
中国近现代武术思想史研究
》
售價：NT$
500.0
《
废奴
》
售價：NT$
350.0
《
有法与无法：清代的州县制度及其运作 最新修订版
》
售價：NT$
640.0
|
| 內容簡介： |
|
《诱发式脑-机接口技术》主要介绍诱发式脑-机接口技术。《诱发式脑-机接口技术》共12章，主要内容包括：SSVEP特征机理研究与SSVEP-BCI优化，基于听触觉的非视觉P300-BCI方法，基于P300和SSVEP的多模态BCI，基于P300和ErrP的多模态BCI等。《诱发式脑-机接口技术》是作者在多项国家自然科学基金项目和科技委创新特区项目支持下取得的研究成果的总结，意在推动脑-机接口理论与应用的发展，对于人-机混合智能的机理研究和脑-机智能融合系统的应用具有一定的科学意义。
|
| 目錄：
|
目录
前言
第1章 绪论 1
1.1 BCI技术概述 1
1.2 BCI的分类与类型特点分析 4
1.2.1 基于大脑信号采集技术手段的分类 5
1.2.2 基于大脑信号产生方式的分类 7
1.3 基于EEG的诱发式BCI 7
1.3.1 刺激模态分析 7
1.3.2 SSVEP-BCI技术 8
1.3.3 P300-BCI技术 9
1.3.4 ErrP-BCI技术 11
1.3.5 诱发式BCI的性能评价指标 11
1.4 诱发式BCI研究方法分析 14
参考文献 17
第2章 严格视线限定条件下的SSVEP神经机制 25
2.1 引言 25
2.2 方法与材料 26
2.2.1 范式设计 26
2.2.2 实验流程 28
2.3 数据分析 30
2.3.1 典型相关性分析 30
2.3.2 基于典型相关性分析的单通道贡献估计 31
2.3.3 对侧效应估计 32
2.4 实验结果 32
2.4.1 基于SSVEP响应的视场构建 32
2.4.2 刺激位置影响 35
2.5 结果分析与讨论 37
2.5.1 刺激形状 37
2.5.2 刺激间距 37
2.5.3 指示位置 38
2.5.4 定制设计 38
2.5.5 不足之处 39
2.5.6 未来工作 39
2.6 本章小结 39
参考文献 40
第3章 SSVEP-BCI的实时信息反馈与动态优化机制 42
3.1 引言 42
3.2 方法与材料 43
3.2.1 刺激范式设计 43
3.2.2 CCA-RV方法 45
3.2.3 实时信息反馈机制 46
3.2.4 目标选择时间优化设计 46
3.2.5 实验范式设计 48
3.3 实验结果与分析 50
3.3.1 在线结果 50
3.3.2 离线性能分析 51
3.4 结果分析与讨论 52
3.4.1 系统性能提升的原因分析 52
3.4.2 行列目标识别过程准确率对比 53
3.4.3 当前方法局限和未来研究方向 54
3.5 本章小结 55
参考文献 55
第4章 基于DS策略的SSVEP-BCI目标识别方法 58
4.1 引言 58
4.2 方法与材料 59
4.2.1 实验方案与实施 59
4.2.2 识别算法与DS策略 62
4.3 实验结果 67
4.3.1 模拟在线结果 67
4.3.2 DS策略的提升分析 69
4.3.3 DS策略输出有效性分析 69
4.3.4 公开数据库的验证 70
4.4 结果分析与讨论 73
4.5 本章小结 74
参考文献 74
第5章 基于听触觉双模态刺激的非视觉P300-BCI 76
5.1 引言 76
5.2 方法与材料 78
5.2.1 听触觉P300-BCI系统设计 78
5.2.2 实验设计 80
5.2.3 数据分析 82
5.3 实验结果与分析 85
5.3.1 在线实验结果 85
5.3.2 离线性能分析 85
5.4 结果讨论 86
5.5 本章小结 90
参考文献 91
第6章 基于P300和SSVEP的时频特征融合决策机制 94
6.1 引言 94
6.2 方法与材料 96
6.2.1 混合刺激机制设计 96
6.2.2 实验流程 97
6.2.3 信号处理 99
6.3 实验结果 103
6.3.1 在线性能 103
6.3.2 离线分析 104
6.4 结果分析与讨论 106
6.4.1 SSVEP特征引入的作用分析 106
6.4.2 被试状态变化对系统性能的影响 108
6.5 本章小结 108
参考文献 109
第7章 基于P300和SSVEP并行输入的混合BCI 112
7.1 引言 112
7.2 方法与材料 113
7.2.1 混合刺激机制设计 113
7.2.2 实验设计 114
7.2.3 信号处理 116
7.2.4 **刺激轮次选择 118
7.3 实验结果 119
7.3.1 在线性能 119
7.3.2 离线分析 120
7.4 结果分析与讨论 120
7.4.1 快速混合BCI拼写方法的潜力 120
7.4.2 RC和SL范式性能差异的原因分析 121
7.4.3 当前方法局限与未来研究方向 124
7.5 本章小结 124
参考文献 125
第8章 基于P300与SSVEP得分融合的混合BCI 128
8.1 引言 128
8.2 方法与材料 129
8.2.1 两种混合刺激范式 129
8.2.2 实验范式 130
8.2.3 P300和SSVEP目标识别方法 132
8.2.4 得分融合方法 133
8.3 实验结果 135
8.3.1 BCI范式的性能对比 135
8.3.2 融合方法的性能对比 137
8.3.3 BCI初学者的学习过程 137
8.4 结果分析与讨论 138
8.5 本章小结 140
参考文献 140
第9章 基于ErrP的P300-BCI自动纠错机制 142
9.1 引言 142
9.2 方法与材料 143
9.2.1 被试 143
9.2.2 数据采集 143
9.2.3 P300-BCI拼写器 144
9.2.4 ErrP和P300得分 145
9.2.5 Bayes动态停止机制 145
9.2.6 辅助刺激 146
9.2.7 实验方案 147
9.2.8 基于ErrP和P300融合的在线纠错机制 148
9.2.9 进一步分析 149
9.3 实验结果 150
9.3.1 在线性能 150
9.3.2 P300和ErrP对错误检测的贡献 152
9.3.3 辅助刺激的影响 153
9.3.4 ErrP波形特征 155
9.4 结果分析与讨论 156
9.4.1 在线纠错 156
9.4.2 基于ErrP和P300融合进行在线错误检测 156
9.4.3 新型ErrP波形差异 156
9.4.4 限制 157
9.5 本章小结 157
参考文献 158
第10章 基于ErrP得分的半监督自适应P300-BCI 161
10.1 引言 161
10.1.1 分类器自适应——P300-BCI拼写器 161
10.1.2 基于ErrP的自动校正 162
10.1.3 目标：基于ErrP的自适应 162
10.2 方法与材料 163
10.2.1 被试 163
10.2.2 EEG采集 163
10.2.3 拼写流程 164
10.2.4 P300和ErrP的评分 164
10.2.5 在线错误检测 165
10.2.6 在线实验 166
10.2.7 离线分析 167
10.2.8 模拟在线分析 168
10.3 实验结果 171
10.3.1 在线分析 171
10.3.2 离线分析 172
10.3.3 模拟在线分析 172
10.4 结果分析与讨论 175
10.4.1 在线SOA优化 175
10.4.2 是否采用自适应 175
10.4.3 半监督的优势 176
10.4.4 ErrP的贡献 177
10.5 本章小结 177
参考文献 178
第11章 基于P300和ErrP的听觉混合BCI 180
11.1 引言 180
11.2 方法与材料 181
11.2.1 被试 181
11.2.2 数据采集 181
11.2.3 任务流程 181
11.2.4 信号预处理 183
11.2.5 P300和ErrP评分 184
11.2.6 单次实验期间ErrP的一致性 185
11.2.7 基于错误检测的模拟自动校正 185
11.3 实验结果 187
11.3.1 ErrP检测 187
11.3.2 模拟自动校正 188
11.3.3 改变期望的误报率 191
11.3.4 听觉ErrP的时空特征 192
11.4 结果分析与讨论 193
11.4.1 ErrP检测 193
11.4.2 混合错误检测 194
11.4.3 模拟自动校正 194
11.4.4 与自动校正视觉BCI的比较 195
11.4.5 生理学 195
11.4.6 局限性与未来工作 196
11.5 本章小结 197
参考文献 197
第12章 总结与展望 201
12.1 本书工作总结 201
12.2 未来工作展望 205
参考文献 206
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
