自回归模型在脑电图片段分类中的效用。 - Suppr | 超能文献

Usefulness of autoregressive models to classify EEG-segments.

作者信息

Jansen B H, Hasman A, Lenten R, Visser S L

出版信息

Biomed Tech (Berl). 1979 Sep;24(9):216-23. doi: 10.1515/bmte.1979.24.9.216.

DOI:10.1515/bmte.1979.24.9.216

Abstract

摘要

文献AI研究员

20分钟写一篇综述，助力文献阅读效率提升50倍。

用中文搜PubMed

大模型驱动的PubMed中文搜索引擎

文档翻译

学术文献翻译模型，支持多种主流文档格式。

相似文献

1

Usefulness of autoregressive models to classify EEG-segments.自回归模型在脑电图片段分类中的效用。

Biomed Tech (Berl). 1979 Sep;24(9):216-23. doi: 10.1515/bmte.1979.24.9.216.

2

Walsh spectral estimates with applications to the classification of EEG signals.沃尔什谱估计及其在脑电信号分类中的应用。

IEEE Trans Biomed Eng. 1980 Sep;27(9):485-92. doi: 10.1109/TBME.1980.326662.

3

Measuring the dissimilarity between EEG recordings through a non-linear dynamical system approach.通过非线性动力学系统方法测量脑电图记录之间的差异。

Int J Biomed Comput. 1995 Feb;38(2):121-9. doi: 10.1016/0020-7101(94)01044-2.

4

[Partial autocorrelation function as a suitable description of basic EEG activity for use in classification procedures].

EEG EMG Z Elektroenzephalogr Elektromyogr Verwandte Geb. 1983 Sep;14(3):121-7.

5

Kernel earth mover's distance for EEG classification.基于核的地球移动距离的脑电分类。

Clin EEG Neurosci. 2013 Jul;44(3):182-7. doi: 10.1177/1550059412471521. Epub 2013 May 10.

6

The similarity approach to EEG analysis.

Methods Inf Med. 1985 Oct;24(4):200-12.

7

A Novel Signal Modeling Approach for Classification of Seizure and Seizure-Free EEG Signals.一种用于癫痫发作和无癫痫发作 EEG 信号分类的新型信号建模方法。

IEEE Trans Neural Syst Rehabil Eng. 2018 May;26(5):925-935. doi: 10.1109/TNSRE.2018.2818123.

8

A relation between the Akaike criterion and reliability of parameter estimates, with application to nonlinear autoregressive modelling of ictal EEG.赤池准则与参数估计可靠性之间的关系及其在发作期脑电图非线性自回归建模中的应用。

Ann Biomed Eng. 1992;20(2):167-80. doi: 10.1007/BF02368518.

9

The use of the autoregressive model in EEG analysis.自回归模型在脑电图分析中的应用。

Electroencephalogr Clin Neurophysiol. 1970 Sep;29(3):327.

10

A latent discriminative model-based approach for classification of imaginary motor tasks from EEG data.基于潜在判别模型的脑电数据想象运动任务分类方法。

J Neural Eng. 2012 Apr;9(2):026020. doi: 10.1088/1741-2560/9/2/026020. Epub 2012 Mar 14.

引用本文的文献

1

Neural network based classification of non-averaged event-related EEG responses.基于神经网络的非平均事件相关脑电反应分类

Med Biol Eng Comput. 1994 Mar;32(2):189-96. doi: 10.1007/BF02518917.

2

Methods of dynamic spectral analysis by self-exciting autoregressive moving average models and their application to analysing biosignals.自激自回归滑动平均模型的动态谱分析方法及其在生物信号分析中的应用。

Med Biol Eng Comput. 1995 May;33(3 Spec No):492-8. doi: 10.1007/BF02510536.