机译:EEG获取和分析改善工程学生随机流程和信号处理理解:通过互动方法炼制主动学习动态
Escuela de Ingenieria y Ciencias Tecnologico de Monterrey;
Escuela de Ingenieria y Ciencias Tecnologico de Monterrey;
Active learning; Data acquisition; Educational innovation; Electroencephalographic signals; Stochastic processes; Signal processing; Scientific computational analysis; Interactive approach in teaching;
机译:EEG获取和分析改善工程学生随机流程和信号处理理解:通过互动方法炼制主动学习动态
机译:通过进行中的教育研究来提高学生的理解力,以完善电子一年级课程中的积极学习活动
机译:动力学之树:改进的概念映射方法,可提高学生对工程动力学的概念理解
机译:超越学习方式:通过互动学习模型了解工程学生的学习过程
机译:开发和验证主动学习参与策略,以提高学生对编程和软件工程概念的理解
机译:技能习得过程中的互动学习过程:通过逐渐变化的系统动力学学习控制
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)