拟结合BCI—代数的若干特征

本文将给出拟结合BCI—代数成为P—半单BCI—代数的若干等价条件,并讨论结合BCI—代数与正蕴涵具有条件(S)的BCK—代数的半群特征。     

关于有限BCI—代数的拟可换性

本文主要对胡庆平在BCI—代数一书中提出的问题“有限的BCI—代数是否一定是拟可换的”给出了肯定的回答,同时还得到BCI—代数定义中公理V可以由前边四条公理推出。     

广义拟结合的BCI一代数

本文对文[3]做了进一步研究,得到了广义拟结合的BCI一代数,并且给出了此类BCI一代数的一些等价条件以及有意义的结果.     

拟可换BCI—代数上的同余

讨论了拟可换BCI—代数上的同余关系,证明拟可换BCI—代数上的同余、左同余、理想同余是一致的;拟可换BCI—代数的商代数也是拟可换BCI—代数。     

关于拟可换BCI-代数

本文重点解决拟可换BCI—代数的存在性问题,证明了存在(m,n;s,t)型拟可换真BCI—代数的充要条件是|m-n+s-t+1|≠1;同时找出了一个比有限BCI—代数类更广泛的拟可换BCI—代数类.     

对称BCI—代数类是一个BCI—代数簇的充要条件

1980年日本数学家K.Iséki提出这样的问题[1],即一个BCI一代数类是否是一个BCI一代数簇?文[2]中举出一例,说明这个问题的回答是否定的,並指出可结合BCI—代数类一定是BCI—代数簇。本文指出对称BCI—代数类是一个BCI—代数簇的充要条件是可结合的。并得到拟左(右)交错对称BCI—代数类都是BCI—代数簇。并证明了对称     

正规BZ-代数

引入正规BZ -代数的概念 ,证明了正规BZ -代数一定是零对称BZ -代数、拟结合BZ -代数一定是正规BZ -代数 ,并举例说明了其逆均不成立 .同时还讨论了正规BZ -代数与分支有关的若干性质     

对称BCI—代数及其自同态

本文讨论三个问题:1.对称BCI—代数的概念及其特征性质;2.对称BCI—代数的（S）条件及其与Abel群的联系;3.对称BCI—代数的自同态拟环及其与Abel群的自同态环的联系。     

正规BZ—代数

引入正规BZ－代数的概念，证明了正规BZ－代数一定是零对称BZ－代数、拟结合BZ－代数一定是正规BZ－代数，并举例说明了其逆均不成立。同时还讨论了正规BZ－代数与分支有关的若干性质。     

关于弱关联BCI—代数

本文证明了弱关联BCI—代数必是弱可换的,建立了弱关联BCI—代数的一个结构定理:一个BCI—代数X是弱关联的当且仅当存在一个关联BCK—代数Y和一个p—半单BCI—代数Z使得X≌Y×Z。并讨论了弱关联、弱可换和弱正关联BCI—代数的关系。     

脑-机接口中脑波的拾取及滤噪的研究

脑-机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路（外周神经和肌肉组织）的全新信息交流系统．BCI作为一种全新的信息交换与控制技术,将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注．脑-机接口中脑波的拾取及滤噪是其重要的环节,本文对脑-机接口中拾取脑波及干扰克服的方法进行了研究和分析．     

BCI拓扑代数的几个代数问题

BCI拓扑代数的几个代数问题@胡庆平...     

脑-机接口（BCI）中关于手指运动识别的研究

脑-机接口（BCI）的研究在近几年受到广泛的重视，在手指运动识别形成了一个研究热点。本文运用一种较为成熟的算法对自测数据进行了识别，取得了较高的正确率。在此基础上，本文对识别算法又进行了进一步的探讨。     

脑机接口技术发展新趋势——基于2019-2020年研究进展

 脑机接口旨在通过直接从大脑信号中实时解码用户意图来为辅助设备提供丰富、强大的命令信号。近年来，脑机接口技术的理论和实际应用的研究进展迅速，技术日趋成熟，其应用领域也在不断扩大。概述了2019-2020年脑机接口领域在硬件、算法、范式、应用等方面取得的重要研究进展和发生的热点事件，展望了未来脑机接口技术的发展趋势。     

运动想象脑机接口系统的Petri网建模方法

针对脑机接口(BCI)中的共享控制问题,提出一种BCI系统的Petri网建模方法.首先,将共享控制策略与BCI系统的内外部信息相结合,构建运动想象BCI系统的Petri网模型,描述系统的运行状态,分析和改进共享控制策略.然后,加入控制库所描述系统的外部输入,并通过合成Petri网的方法简化Petri网的建模过程.结果表明:所提方法能够正确地演化BCI系统的运行过程,提高BCI系统的适用性,可用于设计、验证和执行共享控制策略.     

BCI—域的分类定理

引入了ＢＣＩ—域的概念，并主要证明了：ＢＣＩ—域仅有广义结合ＢＣＩ—域（域的一种减法刻划）和ＢＣＫ—域两种类型。     

Asynchronous Brain-Computer Interface Shared Control of Robotic Grasping

The control of a high Degree of Freedom(DoF) robot to grasp a target in three-dimensional space using Brain-Computer Interface(BCI) remains a very difficult problem to solve. Design of synchronous BCI requires the user perform the brain activity task all the time according to the predefined paradigm; such a process is boring and fatiguing. Furthermore, the strategy of switching between robotic auto-control and BCI control is not very reliable because the accuracy of Motor Imagery(MI) pattern recognition rarely reaches 100%. In this paper, an asynchronous BCI shared control method is proposed for the high DoF robotic grasping task. The proposed method combines BCI control and automatic robotic control to simultaneously consider the robotic vision feedback and revise the unreasonable control commands. The user can easily mentally control the system and is only required to intervene and send brain commands to the automatic control system at the appropriate time according to the experience of the user. Two experiments are designed to validate our method: one aims to illustrate the accuracy of MI pattern recognition of our asynchronous BCI system; the other is the online practical experiment that controls the robot to grasp a target while avoiding an obstacle using the asynchronous BCI shared control method that can improve the safety and robustness of our system.     

基于降维Householder变换的多任务运动想象脑电信号特征提取研究

近年来,针对传统的左右手运动想象BCI系统信息传输速率低这一现状,众多脑-机接口(BCI)研究团队开始着眼于对多任务运动想象脑电信号的研究,相比于两类模式识别,多类模式识别能够有效提高BCI系统的信息传输速率。如何准确提取出多任务脑电信号的特征,是实现多任务BCI系统的关键。采用了基于初等反射变换(又称Householder变换)的矩阵近似联合对角化算法,将CSP算法应用于多任务运动想象脑电信号的特征提取,对EEG信号采集效果较好的受试者,四任务运动想象脑电信号的分类准确率提升至80%以上,为在线BCI系统的实现奠定了坚实的基础。     

基于脑电的脑机接口刺激系统的研制

脑机接口(BCI)是在人脑和外界之间建立不依赖于常规大脑信息输出通路的一种通讯系统.脑机接口刺激系统的作用是通过对受试者施加一定的外界刺激来诱发具有一定特征的脑电波.本研究基于多种刺激模式的脑机接口视觉刺激器,采用计算机编程,在计算机屏幕上实现了基于VEP、P300、想象运动的3类刺激模式.该系统能够通过特定的刺激从而有效地诱发出可识别特征的脑电信号,采用XML技术使得该刺激系统具有较强的可扩展性,可以满足脑机接口实验的需要.     

脑机接口在康复医疗领域的应用研究综述

脑机接口(brain-computer interface,BCI)是在大脑与外部设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种人机交互技术,为肌肉或神经末稍受损的患者提供新的人机交互手段.作为智能康复机器人研究的方向之一,BCI在康复治疗和运动辅助中具有重要的研究价值,并在神经康复、功能假体辅...