退出
我的积分:
中文文献批量获取
外文文献批量获取
龚旭辉;
广东工业大学;
机译:使用EEG信号与机器学习分类器结合使用EEG信号增强检测癫痫癫痫发作
机译:基于机器学习的EEG信号癫痫癫痫发作检测分类模型
机译:基于相关维度的EEG信号使用EEG信号的新型机器学习方法
机译:基于EEG信号处理的癫痫癫痫发作的自动检测:不同特征和分类算法的研究
机译:从EEG信号中检测癫痫发作峰值。
机译:基于改进RBF的癫痫EEG信号分类算法
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:建模和分析癫痫患者的非癫痫发作EEG数据
机译:基于概率模型和机器学习的特征提取方法从脑电图信号中基于多频带系数的癫痫发作波形检测系统
机译:基于休息状态EEG提供有关癫痫症状信息的装置和方法
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。