退出
我的积分:
中文文献批量获取
外文文献批量获取
周江鸿; 袁野;
教育部;
心理健康; 脑电波; 深度学习; 相空间重构; 主成分分析;
机译:基于深度学习的电机成像EEG信号的特征识别
机译:基于EEG的生物识别识别深度学习
机译:识别与信号有关的前期状态信息:使用深度学习对ECoG,EEG和EKG进行比较
机译:深度学习通过EEG信号识别大脑认知负荷
机译:基于EEG信号的自回归建模和神经网络分析,设计用于监测麻醉深度的识别系统。
机译:使用基于主成分的协变量移位适应的深度学习网络的基于EEG的情绪识别
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:DETECT:用于时间序列中事件检测和识别的maTLaB工具箱,以及EEG信号中的伪影检测应用。
机译:使用从脑电信号(EEG)信号检测到的眨眼的基于脑计算机接口的计算机控制应用
机译:基于来自电子病历(EEG)信号的想象语音的对象识别和认证系统。
机译:基于深度学习的EEG功能归一化系统和方法
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。