Noisy network attractor models for transitions between EEG microstates

机译：EEG MicroState之间的过渡的嘈杂网络吸引型号

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

摘要
著录项
相似文献
相关主题

摘要

Schematic of the EEG microstate method. An example EEG recording and global field power (GFP, the spatial standard deviation of the electrical field). Momentary maps at the peaks of GFP are submitted to an AAHC clustering algorithm. The four dominant template maps are shown at the bottom. Backfitting is performed by calculating the spatial correlation between the four template maps and the continuous EEG data at each time point. Labels are assigned in a winner-take-all manner to generate the microstate sequence

机译：EEG微溶液方法的示意图。示例EEG记录和全局现场功率（GFP，电气场的空间标准偏差）。 GFP峰的瞬时贴图被提交给AAHC聚类算法。底部显示了四个主导模板映射。通过在每个时间点计算四个模板映射和连续EEG数据之间的空间相关性来执行回合。标签分配以获胜者 - 所有方式，以产生微肥小序列

著录项

期刊名称 Journal of Mathematical Neuroscience
作者
Jennifer Creaser; Peter Ashwin; Claire Postlethwaite; Juliane Britz;
展开▼
作者单位

展开▼
年(卷),期 2021(-1),-1
年度 2021
页码 -1
总页数 25
原文格式 PDF
正文语种
中图分类神经科学;
关键词
EEG microstates; Excitable network model; Residence times; Transition process; Noisy network attractor; Long range temporal correlations;

机译：EEG Microstates;可激情的网络模型;停留时间;过渡过程;嘈杂的网络吸引子;远程时间相关性;

相似文献

外文文献
中文文献
专利

1. Modeling Uncertainties in EEG Microstates: Analysis of Real and Imagined Motor Movements Using Probabilistic Clustering-Driven Training of Probabilistic Neural Networks [J] . Martin Dinov, Robert Leech Frontiers in Human Neuroscience . 2017,第1期

机译：在脑电微状态下的不确定性建模：使用概率聚类驱动的概率神经网络训练对真实和想象的运动进行分析
2. Transition dynamics of EEG-based network microstates during mental arithmetic and resting wakefulness reflects task-related modulations and developmental changes [J] . Dimitriadis S. I., Laskaris N. A., Micheloyannis S. Cognitive Neurodynamics . 2015,第4期

机译：脑电算术和静息清醒期间基于脑电图的网络微状态的过渡动力学反映了与任务相关的调节和发展变化
3. Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks. [J] . Musso F, Brinkmeyer J, Mobascher A, NeuroImage . 2010,第4期

机译：自发性大脑活动和脑电图微状态。一种新颖的EEG / fMRI分析方法，用于探索静止状态网络。
4. Depth of Anesthesia Monitoring Method Based on EEG Microstate Analysis and Hidden Markov Model [C] . Lichengxi Si, Zhian Liu, Gang Wang International Conference on Pattern Recognition and Machine Learning . 2021

机译：基于EEG微溶液分析和隐马尔可夫模型的麻醉深度监测方法
5. Models of EEG data mining and classification in temporal lobe epilepsy: Wavelet-chaos-neural network methodology and spiking neural networks. [D] . Ghosh Dastidar, Samanwoy. 2007

机译：颞叶癫痫的EEG数据挖掘和分类模型：小波-混沌神经网络方法和尖峰神经网络。
6. Modeling Uncertainties in EEG Microstates: Analysis of Real and Imagined Motor Movements Using Probabilistic Clustering-Driven Training of Probabilistic Neural Networks [O] . Martin Dinov, Robert Leech 2017

机译：在脑电微状态中的不确定性建模：使用概率聚类驱动的概率神经网络训练对真实和想象的运动进行分析
7. Modeling uncertainties in EEG microstates: analysis of real and imagined motor movements using probabilistic clustering-driven training of probabilistic neural networks [O] . Dinov, M, Leech, R 2017

机译：EEG微观状态中的不确定性建模：使用概率神经网络的概率聚类驱动训练分析实际和想象的运动运动

Noisy network attractor models for transitions between EEG microstates

摘要

著录项

相似文献

相关主题

期刊订阅