机译:基于机器学习技术的金砖国家创新系统的动态结构比较
Department of Intellectual Property and Innovation Management Faculty of Technological Management and Innovation ITMO University;
national innovation system; BRICS; machine learning techniques; classification; clustering; functional patterns comparison; innovation policy; innovation strategy; structural comparison;
机译:基于机器学习技术的金砖国家创新系统的动态结构比较
机译:用无人机的空中系统映射海洋垃圾:手动图像筛选和机器学习技术之间的展示比较
机译:从结构动力学,数值数学,系统和控制中比较模型简化技术(综述)
机译:机器学习技术应用于计算流体动力学模拟和分析的第一国际研讨会
机译:HPC和机器学习技术,用于减少确定复杂动态系统的时间演化的计算负担
机译:15个月死亡率预测模型的开发和验证:全国医疗保险接受者样本中机器学习技术的回顾性观察比较
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)