深度學(xué)習(xí)的駕駛意圖識(shí)別

第1章　緒論　1
1.1　駕駛意圖識(shí)別概述2
1.2　駕駛意圖識(shí)別研究現(xiàn)狀2
1.3　深度學(xué)習(xí)概述5

第2章　Python基礎(chǔ)知識(shí)　8
2.1　變量和簡(jiǎn)單數(shù)據(jù)類(lèi)型9
2.2　數(shù)字11
2.3　列表12
2.4　列表切片15
2.5　if語(yǔ)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(jì)學(xué)特征30
2.11　代數(shù)和符號(hào)數(shù)學(xué)問(wèn)題34

第3章　信號(hào)處理基礎(chǔ)　37
3.1　信號(hào)的定義及應(yīng)用38
3.2　信號(hào)的分類(lèi)39
3.3　連續(xù)時(shí)間信號(hào)的頻域分析44

第4章　機(jī)器學(xué)習(xí)基礎(chǔ)　62
4.1　矩陣的基本知識(shí)63
4.2　腦電信號(hào)的數(shù)據(jù)處理66
4.3　樹(shù)和隨機(jī)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(jī)72
4.7　神經(jīng)網(wǎng)絡(luò)原理77
4.8　神經(jīng)網(wǎng)絡(luò)Python基礎(chǔ)83

第5章　深度學(xué)習(xí)的駕駛意圖識(shí)別　93
5.1　腦電信號(hào)概述94
5.2　試驗(yàn)方案設(shè)計(jì)98
5.3　駕駛行為與駕駛意圖105
5.4　深度學(xué)習(xí)111

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

附錄　LSTM模型識(shí)別案例代碼　146

參考文獻(xiàn)　164