深度學習的駕駛意圖識別

第1章　緒論　1
1.1　駕駛意圖識別概述2
1.2　駕駛意圖識別研究現(xiàn)狀2
1.3　深度學習概述5

第2章　Python基礎知識　8
2.1　變量和簡單數(shù)據(jù)類型9
2.2　數(shù)字11
2.3　列表12
2.4　列表切片15
2.5　if語句16
2.6　字典17
2.7　while循環(huán)20
2.8　函數(shù)23
2.9　數(shù)據(jù)可視化25
2.10　數(shù)據(jù)的統(tǒng)計學特征30
2.11　代數(shù)和符號數(shù)學問題34

第3章　信號處理基礎　37
3.1　信號的定義及應用38
3.2　信號的分類39
3.3　連續(xù)時間信號的頻域分析44

第4章　機器學習基礎　62
4.1　矩陣的基本知識63
4.2　腦電信號的數(shù)據(jù)處理66
4.3　樹和隨機森林算法67
4.4　KNN算法69
4.5　貝葉斯理論70
4.6　支持向量機72
4.7　神經網絡原理77
4.8　神經網絡Python基礎83

第5章　深度學習的駕駛意圖識別　93
5.1　腦電信號概述94
5.2　試驗方案設計98
5.3　駕駛行為與駕駛意圖105
5.4　深度學習111

第6章　駕駛意圖人機融合　124
6.1　腦機接口與CAN總線系統(tǒng)的整體設計125
6.2　腦-機接口與CAN總線系統(tǒng)的模塊化設計128
6.3　數(shù)據(jù)采集系統(tǒng)136

附錄　LSTM模型識別案例代碼　146

參考文獻　164