退出
我的积分:
中文文献批量获取
外文文献批量获取
李小俚; 欧阳高翔; 关新平; 李岩;
燕山大学电气工程学院,秦皇岛,066004;
EEG信号; 模糊相似性指数; 癫痫发作; 预测; 相空间重构;
机译:基于EEG相位同步的模糊推理系统对SOP和SPH的最优选择,用于在线癫痫发作预测
机译:利用稀疏基于CNN分类器使用稀疏性EEG重建的癫痫癫痫发作预测动态学习框架
机译:基于EEG同步测量的癫痫癫痫发作预测的轻量级解决方案
机译:癫痫癫痫发作来自颅内EEG信号的分类:比较研究基于EEG的癫痫发作分类
机译:癫痫发作模式和深神经结构对癫痫癫痫发作预测的多种特征分析
机译:通过基于EEG信号的突触可塑性建模来预测癫痫发作-以遗传性癫痫为例
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:基于抛光数据的分析,神经系统条件分析,包括未来癫痫发作事件的预测和/或检测当前癫痫发作事件
机译:基于盲数据分析的神经病学状况分析,包括预测未来的癫痫发作和/或检测当前的癫痫发作
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。