深度学习的驾驶意图识别

　　《深度学习的驾驶意图识别》主要介绍了Python基础知识、信号处理技术、机器学习基础、深度学习的驾驶意图识别、驾驶意图人机融合。书中运用小波理论、小波包理论、主成分分析法等对信号进行处理，并通过Python实现；介绍了深度学习模型循环神经网络、LSTM模型；同时还介绍了输入脑电信号对驾驶意图识别的试验，识别后的驾驶意图可运用到自动驾驶领域，辅助保障行车安全。本书可帮助读者更好地理解基于信号技术的深度学习的驾驶意图识别，更深入地理解并掌握人机融合的驾驶技术原理。 本书可供信号处理、车辆工程、交通工程等领域的技术人员、编程人员阅读，也可供相关专业的师生学习参考。

暂缺《深度学习的驾驶意图识别》作者简介

第1章　绪论　1
1.1　驾驶意图识别概述2
1.2　驾驶意图识别研究现状2
1.3　深度学习概述5

第2章　Python基础知识　8
2.1　变量和简单数据类型9
2.2　数字11
2.3　列表12
2.4　列表切片15
2.5　if语句16
2.6　字典17
2.7　while循环20
2.8　函数23
2.9　数据可视化25
2.10　数据的统计学特征30
2.11　代数和符号数学问题34

第3章　信号处理基础　37
3.1　信号的定义及应用38
3.2　信号的分类39
3.3　连续时间信号的频域分析44

第4章　机器学习基础　62
4.1　矩阵的基本知识63
4.2　脑电信号的数据处理66
4.3　树和随机森林算法67
4.4　KNN算法69
4.5　贝叶斯理论70
4.6　支持向量机72
4.7　神经网络原理77
4.8　神经网络Python基础83

第5章　深度学习的驾驶意图识别　93
5.1　脑电信号概述94
5.2　试验方案设计98
5.3　驾驶行为与驾驶意图105
5.4　深度学习111

第6章　驾驶意图人机融合　124
6.1　脑机接口与CAN总线系统的整体设计125
6.2　脑-机接口与CAN总线系统的模块化设计128
6.3　数据采集系统136

附录　LSTM模型识别案例代码　146

参考文献　164