机译:动态时间膜用于时间序列预测的识别技术开始实现为预测动态系统混沌行为的重要工具。在本文中,我们开发了模式建模和识别的概念
机译:使用增强的非线性时间序列模型进行模式识别,以预测动态实时决策环境
机译:基于交通动力学的短期交通预测速度模式识别技术
机译:具有继承的动态负荷特征的快速发展的公用事业公司的短期峰值需求预测。 I.经典时间序列方法的应用。二。改进的系统动态负载特性建模
机译:动态时间膜用于时间序列预测的识别技术开始实现为预测动态系统混沌行为的重要工具。在本文中,我们开发了模式建模和识别的概念
机译:使用HMM技术对发音动力学进行建模以实现自动语音识别。
机译:通过使用动态归一化的引文影响力得分在大型数据集中识别热门论文和延迟识别论文
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:人类疾病模式的计算机识别:附录F.人体血液热力学化学模型的实验用途,用于检测临床实验室测定中的错误。