Crowd emotion; Crowd behavior; Spatio-temporal features; 3D Convolutional Neural Network (3DCNN); Multiclass Support Vector Machine (SVM);
机译:通过深入学习重新审视人群行为分析:分类,异常检测,人群情绪,数据集,机会和前景
机译:Deeprod:实时和在线检测人类人群恐慌行为的深度学习方法
机译:基于深度学习方法的监控视频中实时人群行为识别
机译:基于情感的人群行为预测的深度学习方法
机译:检查患者的使用,有意使用,并在贪食症的行为治疗中对情感调节策略的乐于助听,作为治疗结果的预测因子
机译:基于多族种的串行深度学习方法以预测先进阶段非小细胞肺癌的单药抗PD-1 / PD-L1免疫疗法的临床结果
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)