načítání...
nákupní košík
Košík

je prázdný
a
b

Kniha: Číslicové zpracování neurofyziologických signálů - Jitka Mohylová

Číslicové zpracování neurofyziologických signálů
-14%
sleva

Kniha: Číslicové zpracování neurofyziologických signálů
Autor: Jitka Mohylová

Skriptum je určeno pro studenty Fakulty biomedicínského inženýrství, předmět Biologické signály.
Titul je skladem 1ks - odesíláme ihned
Ihned také k odběru: Ostrava
Vaše cena s DPH:  303 Kč 261
+
-
rozbalKdy zboží dostanu
8,7
bo za nákup
rozbalVýhodné poštovné: 39Kč
rozbalOsobní odběr zdarma

hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%hodnoceni - 0%   celkové hodnocení
0 hodnocení + 0 recenzí

Specifikace
Nakladatelství: » ČVUT Praha
Médium / forma: Tištěná kniha
Rok vydání: 2011
Počet stran: 167
Rozměr: 145x205
Úprava: ilustrace (některé barevné)
Vydání: 1. vyd.
Skupina třídění: Sdělovací technika
Učební osnovy. Vyučovací předměty. Učebnice
Jazyk: česky
Datum vydání: 18.01.2011
Nakladatelské údaje: V Praze, České vysoké učení technické, 2011
ISBN: 978-80-0104-721-7
EAN: 9788001047217
Ukázka: » zobrazit ukázku
Popis

Skriptum je určeno pro studenty Fakulty biomedicínského inženýrství, předmět Biologické signály.

Předmětná hesla
Kniha je zařazena v kategoriích
Recenze a komentáře k titulu
Zatím žádné recenze.


Ukázka / obsah
Přepis ukázky

2 Základní pojmy

2.1 Neurofyziologické signály

3 Sběr a předzpracování dat

3.1 Převod EEG do číslicového tvaru

3.2 Analogově - digitální převodník

4 Filtrace

4.1 Mediánová filtrace

5 Charakteristiky náhodných signálů

5.1 Adaptivní odhady parametrů

6 Spektrální analýza biologických signálů

6.1 Fourierova transformace ...

6.2 Rychlá Fourierova transformace

6.3 Parametrické metody

6.3.1 Modely odhadu spektra

6.3.2 Lineární predikce

6.3.3 Levinson-Durbin-Robinsonův algoritmus

6.4 Spektrální analýza

6.4.1 Spektrální výkonová hustota

6.4.2 Neparametrické metody

6.5 Korelační analýza

6.5.1 Autokorelační funkce

6.5.2 Vzájemná spektrální výkonová hustota

6.5.3 Koherenční funkce

7 Adaptivní segmentace - detekce nestacionarit

7. / Adaptivní segmentace do úseků konstantní délky

7.2 Adaptivní segmentace jednoho kanálu

7.2.1 Adaptivní segmentace na základě lineárním predikce

7.2.2 Adaptivní segmentace na základě autokorelační funkce

7.2.3 Adaptivní segmentace EEG s narůstajícím a pevným oknem

7.2.3 Adaptivní segmentace EEG s CUSUM


7.3 Adaptivní segmentace na základě dvou spojených oken

7.4 Adaptivní segmentace na základě dvou spojených oken a jednoduché míry diference

8 Metody rozpoznávání obrazů

8.1 Základní pojmy teorie učení

8.2 Příznakově orientované metody umělé inteligence

8.2.1 Shluková analýza (Cluster Anály sis)

8.3 Klasifikace metod shlukové analýzy

8.3.1 Obecný model shlukové analýzy

8.3.2 Metody shlukové analýzy

8.4 Teorie fuzzy množin a shluková analýza

8.5 Učící se klasifikátory

8.5.1 k-NN klasifikátor

8.5.2 Fuzzy k-NN klasifikátor

8.5.3 Shluková analýza jako učitel při předzpracování dat

9 Umělé neuronové sítě pro zpracování signálu

9.1 Topologie NN a způsoby šíření signálu

9.2 Perceptron a jeho učení

9.3 Vícevrstvý perceptron - multilayer perceptron (MLP)

9.4 Algoritmus zpětného šíření - back-propagation

9.5 Učení bez učitele - samoseorganizujicí neuronové sítě

9.5.1 Hebbovo učení

9.5.2 Analýza hlavních komponent a neuronové sítě

9.5.3 Komprese a rekonstrukce vícerozměrných signálů

5.4 Kohonenovo učení

9.5.5 Kohonenovy samoorganizační mapy

9.6 Genetické algoritmy

10 Počítačem podporovaná analýza EEG záznamu

10.1 Zobrazení výsledků spektrální analýzy

10.1.1 CSA - zhuštěné spektrální kulisy

10.1.2 Topografické mapováni mozkové aktivity

10.1.2.1 Mapování amplitudy

10.1.2.2 Mapováni spektrální výkonově hustoty

10.1.2.3 Mapování koherence

10.1.2.4 Srovnání mapování lokální koherence a spektra pro hodnoceni ložiskových


mozkových lézí

10.1.3 Interpolace pomocí sférických splínů

10.1.3.1 Princip mapování pomocí sférických splinů

10.2 LORETA

10.3 Kordance

11 Wave-Finder: systém pro automatizované zpracování EEG signálu

11.1 Hierarchický automatizovaný systém pro počítačové zpracovávání dlouhodobých EEG

záznamů

11.2 Extrakce a standardizace příznaků

11.2.1 Heuristický výběr deseti příznaků

11.2.2 Další příznaky pro různé klinické studie

11.2.2.1 Příznaky v časové oblasti

11.2.2.2 Příznaky ve frekvenční oblasti

11.2.2.3 Příznaky v entropické oblasti

11.3 Automatická klasifikace EEG grafoelementů

11.4 Multikanálové časové profily EEG

11.5 Extrakce zhuštěné informace a strukturální popis dlouhodobých EEG

11.5.1 Multikanálové detailní sumární informace o EEG

11.5.2 Multikanálové strukturální časové profily dlouhodobých EEG

11.5.3 Srovnání s metodou zhuštěných spektrálních kulis

11.5.4 Aplikace při analýze spánku

12 Automatická detekce epileptických grafoelementů

12.1 Jednoduchý aritmetický detektor

12.2 Automatická detekce hrotů na základě mediánové filtrace

12.3 Nedostatky uvedených postupů

12.4 Návrh kombinovaného detektoru

12.5 Využití PC A pro detekci epileptických hrotů




       
Knihkupectví Knihy.ABZ.cz - online prodej | ABZ Knihy, a.s.
ABZ knihy, a.s.
 
 
 

Knihy.ABZ.cz - knihkupectví online -  © 2004-2019 - ABZ ABZ knihy, a.s. TOPlist