基于深度神经网络的脑控技术研究

提出一种通过对脑机接口数据进行时域、频域划分的运动想象信号识别和分类系统。实验采集了4名被试者的前进、停止、左转、右转运动想象的脑电信号数据作为实验数据集,提出了两种深度学习模型,门控循环单元神经网络(GRU)和一种混合深度学习框架1DCNN-GRU模型来进行信号识别准确性对比。并对未处理的脑电信号进行快速傅里叶变换提取数据重要特征值,对实验数据集进行6∶2∶2训练-验证-测试分割。

基于HS-SPME-GC-MS解析水豆豉挥发性风味物质

基于顶空固相微萃取-气相色谱-质谱(HS-SPME-GC-MS)技术对水豆豉挥发性风味物质进行研究,通过单因素和正交试验优化萃取条件。结果表明,最佳萃取条件为样品不经研磨处理、萃取头采用2 cm 30/50μm二乙烯基苯/羧基/聚二甲基硅氧烷(DVB/CAR/PDMS)、萃取温度80℃、萃取时间35 min、平衡时间15 min、饱和NaCl溶液添加量4 mL。在此最优条件下,挥发性风味物质总峰面积为3.02×10^(10)±1.43×10^(9)。HS-SPME-GC-MS分析共鉴定出134种挥发性风味物质,其中萜类46种、酯类27种、醇类16种、含氮化合物10种、醛酮类15种、呋喃类7种、酚类6种以及其他类7种。基于半定量结果发现,α-姜油烯、β-红没药烯、顺-α-红没药烯、β-水芹烯有较高的含量,分别为12.90 mg/kg、6.98 mg/kg、4.10 mg/kg和3.79 mg/kg。