《基于脑电图的脑机接口的深度学习》是一本令人兴奋的书，描述了新兴的深度学习如何在表征、算法和应用方面改善脑机接口(BCI)的未来发展。BCI通过将个人的大脑信号解码为计算机设备可识别的命令，将人类的神经世界和物理世界连接起来。

这本书提出了一个高度综合的总结，常用的大脑信号;系统介绍了深度学习模型的12个子类;在BCI领域采用深度学习的200多项最新研究的扩展总结;本文概述了许多BCI应用以及深度学习的贡献，以及31个公共BCI数据集。作者还介绍了一套新的深度学习算法，旨在解决当前BCI的挑战，如鲁棒表示学习、跨场景分类和半监督学习。本文提出了各种基于深度学习的真实世界BCI应用，并给出了一些原型。其中所包含的工作提出了有效和高效的模式，将为学术界和工业界从事BCI工作的人提供灵感。

目录内容：

  • 语言 Preface
  • 背景 Background:
    • Introduction
    • Brain Signal Acquisition
    • Deep Learning Foundations
  • 深度学习BCI Deep Learning-Based BCI and Its Applications:
    • Deep Learning-Based BCI
    • Deep Learning-Based BCI Applications
  • Recent Advances on Deep Learning for EEG-Based BCI:
    • Robust Brain Signal Representation Learning
    • Cross-Scenario Classification
    • Semi-Supervised Classification
  • Typical Deep Learning for EEG-Based BCI Applications:
    • Authentication
    • Visual Reconstruction
    • Language Interpretation
    • Intent Recognition in Assisted Living
    • Patient-Independent Neurological Disorder Detection
    • Future Directions and Conclusion
  • Bibliography
  • Index

内容中包含的图片若涉及版权问题，请及时与我们联系删除