退出
我的积分:
中文文献批量获取
外文文献批量获取
吴敏;
南京理工大学;
脑电图; 自适应预测滤波; 匹配追踪; 压缩感知; 虚拟仪器; 稀疏表示模型; 棘波自动检测;
机译:基于梯度升压决策树模型自动检测基于EEG信号的驱动疲劳
机译:基于矩阵分解和基于Mahalanobis的基于EEG信号的癫痫分类的基于稀疏表示的远程医疗服务”
机译:印度Sunil Kumar Prabhakar的Harikumar Rajaguru撰写的“使用矩阵分解和基于Mahalanobis的基于EEG信号的癫痫分类的基于稀疏表示的远程医疗保健”。 25“昼夜节律与双相情感障碍”
机译:使用EEG信号定位对人类头皮的ICTAL活动,使用EEG信号进行自动检测
机译:基于EEG的BCIS中多种脑反应和情境证据源融合的信号模型
机译:广义棘波放电的功能磁共振成像独立成分分析(ICa):比较一般线性模型基于EEG的功能磁共振成像
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:使用EEG自动检测睡眠阶段。
机译:心理控制通过功率谱扩展进行测量。脑电图(EEG)波中的信号-涉及评估积分的α-心律谱与整个EEG功率谱的积分之比
机译:一种用于创建神经网络模型的方法和计算设备,该模型输出基于EEG数据的大脑年龄预测信息
机译:脑电脑界面运行训练有素的关联模型,应用多道回归来模拟来自感测到的EEG信号的电压术信号功能,以及相应的方法
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。