退出
我的积分:
中文文献批量获取
外文文献批量获取
张建华; 王行愚;
中国自动化学会;
自学习模糊建模法; 混合学习算法; 信号分析; 时间序列预测;
机译:SCOLS-FuM:电信时间序列预测的混合模糊建模方法
机译:使用动态时间扭曲来量化EEG时间序列预测期间正弦振荡偏差的影响,并发现有趣的EEG和fMRI变化
机译:基于模糊建模和区间信息粒度的区间时间序列建模与预测
机译:基于Unscented Kalman滤波器方法预测混沌时间序列的T-S模糊建模
机译:RNA的小步骤,EEG的重大飞跃:点过程和时间序列方法的应用。
机译:使用动态时间扭曲来量化EEG时间序列预测期间的正弦振荡偏差影响并发现有趣的EEG和fMRI变化
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:使用自学习混合时间序列技术,利用有限且易变的历史数据预测运行收入
机译:时间序列学习设备,时间序列学习方法,时间序列预测设备,时间序列预测方法和程序
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。