Big Data; Tools; Industries; Seminars; Python; Programming; Machine learning;
机译:工程计算机游戏:面向本科工程和小学(K-5)学生的并行学习机会
机译:学生对主动学习模块的看法,以提高本科水资源工程教育中的数据和建模技巧
机译:用于受输入约束的系统的嵌入式实现的可编程逻辑控制器
机译:电气工程和计算机工程系如何为本科生准备新的大数据,机器学习和AI范例:三模型概述
机译:检验电气和计算机工程专业学生的工程认识论发展因素。
机译:面向护理工程和生物学专业本科生的医学创新试点课程为学生带来学习成果
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)
机译:为本科生开发基于问题的学习(pBL)和合作学习(CL)交通工程课程;最终评估