机译:一种机器学习方法,用于预测并行地理处理中的计算强度和域分解
Wuhan Univ Sch Remote Sensing & Informat Engn Wuhan Hubei Peoples R China|Wuhan Univ State Key Lab Informat Engn Surveying Mapping & R Wuhan Hubei Peoples R China|Wuhan Univ Hubei Prov Engn Ctr Intelligent Geoproc HPECIG Wuhan Hubei Peoples R China|Collaborat Innovat Ctr Geospatial Technol Wuhan Hubei Peoples R China;
Wuhan Univ Sch Remote Sensing & Informat Engn Wuhan Hubei Peoples R China;
Wuhan Univ Sch Remote Sensing & Informat Engn Wuhan Hubei Peoples R China;
Wuhan Univ Sch Remote Sensing & Informat Engn Wuhan Hubei Peoples R China;
Domain decomposition; load balancing; machine learning; parallel geoprocessing; AI GIS;
机译:电机绕组损耗有效时域有限元计算的域分解方法
机译:机器学习在自适应域分解方法 - 预测约束的几何位置
机译:利用两阶段信号分解方法和机器学习方法来推动三级混合模型来预测巴基斯坦贩毒河流域每月径流
机译:通过域分解计算平行机上硅纳米线的能带结构
机译:储层热模拟的并行计算:一种重叠域分解方法。
机译:基于机器学习和深度学习分类的集合的平行方法的身体活动识别
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:宽容规划:复杂现实领域规划的机器学习方法。