2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩85頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、腦機接口(brain-machine interface,BMI)技術(shù)在大腦與外部設備之間建立一條額外的信息交流通道,通過對大腦的神經(jīng)元集群信號進行分析與建模,實現(xiàn)大腦與外界的直接交互與控制。本文研究了基于鋒電位信號的腦機接口技術(shù),鋒電位信號信息量大、時空分辨率高,有望實現(xiàn)實時精確的神經(jīng)解碼和控制。
   本文重點研究腦機接口的以下幾個關(guān)鍵問題:鋒電位分類,神經(jīng)解碼,在線神經(jīng)解碼與控制系統(tǒng),以及神經(jīng)信息約簡。
   作為

2、腦機接口重要的預處理過程,本文首先研究了鋒電位分類方法?;诖植诩碚?建立了規(guī)則集形式的鋒電位分類模型,對大鼠皮層神經(jīng)元信號進行分類。當信噪比從10 dB降低至0 dB時,算法的分類正確率從99%降低至82%。該算法生成的模型由規(guī)則組成,具有較高的可讀性,方便利用專家知識對模型進行調(diào)整,有助于神經(jīng)科學的研究。
   得到鋒電位發(fā)放序列后,本文建立了基于廣義回歸神經(jīng)網(wǎng)絡(GeneralRegression Neural Netw

3、ork,GRNN)的神經(jīng)集群編解碼模型。利用神經(jīng)信息解析大鼠壓桿時前肢的運動參數(shù)。實驗中,相對于維納濾波、卡爾曼濾波、FFBP神經(jīng)網(wǎng)絡等傳統(tǒng)解碼方法,GRNN得到了較高的解碼精度,并且易于實現(xiàn)增量式的解碼模型,以應對神經(jīng)系統(tǒng)的時變性。
   在離線神經(jīng)解碼研究的基礎(chǔ)上,本文設計實現(xiàn)了在線解碼與控制系統(tǒng)。該系統(tǒng)將原有的神經(jīng)信號采集、數(shù)據(jù)傳輸、神經(jīng)信息建模、機械控制過程整合到一起,實現(xiàn)了自動化的神經(jīng)解碼與機械控制。
   為

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論