Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "independent component" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Removing physiological artifacts from the EEG data by algorithms based on differential entropy
    Eliminacja artefaktów fizjologicznych z zapisu EEG przez algorytmy stosujące entropię różniczkową
    Autorzy:
    Górecka, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/152185.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    entropia różniczkowa
    analiza składowych niezależnych
    zapis EEG
    differential entropy
    independent component analysis
    EEG data
    Opis:
    A new form of the nonlinearity implemented in the ICA approach is presented in the paper. The proposed independent component analysis based on differential entropy can be used for elimination of physiological artifacts from electroencephalographic signals. For verification of the quality of separation of the EEG data, the PI index is proposed. The second measure of accuracy is the normalized kurtosis which can be used in analysis of the simulated EEG data. As it has been proved, the new sigmoid function used in the ICA approach can effectively separate the EEG data.
    W artykule przedstawiono nową propozycję nieliniowości - sigmoidalną funkcję algebraiczną, która została zaimplementowana w algorytmie stosującym metodę analizy składowych niezależnych (ang. Independent Component Analysis). Proponowana nowa postać algorytmu wykorzystująca właściwości entropii różniczkowej, może zostać użyta także do separacji a następnie eliminacji wybranych artefaktów fizjologicznych pochodzenia ocznego i mięśniowego zarejestrowanych w zapisach EEG. W celu weryfikacji dokładności separacji sygnałów EEG zaproponowano współczynnik jakości separacji PI (ang. Performance Index). Jako drugą miarę dokładności procesu separacji wybrano wartość znormalizowanej kurtozy, która może być stosowana jedynie w przypadku separacji elektroencefalogramów zarejestrowanych z symulatora EEG. W artykule udowodniono, że użycie nowej funkcji sigmoidalnej w rozszerzonej postaci algorytmu infomax prowadzi do efektywnej separacji sygnałów EEG umożliwiając eliminację wybranych składowych niepożądanych.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 11, 11; 975-977
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metody PCA i ICA do analizy sygnału EEG w kontekście usuwania zakłóceń
    Use of PCA and ICA methods for analysis of EGG signal in context of removal of artefacts
    Autorzy:
    Paszkiel, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/154789.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    analiza artefaktów
    analiza składowych głównych
    analiza składowych niezależnych
    EEG
    analysis of artefacts
    principal component analysis
    independent component analysis
    Opis:
    W artykule przedstawiono metodę PCA (ang. Principal Component Analysis) oraz ICA (ang. Independent Component Analysis), jako narzędzia pomocne w procesie eliminacji artefaktów z sygnału elektroencefalograficznego. Proces rejestracji sygnału elektroencefalograficznego można zobrazować, jako BSS (ang. Blind Signals Separation). Dzięki temu możliwe jest dokonywanie estymacji nieznanych sygnałów źródłowych oraz ekstrakcji niepożądanych sygnałów zakłócających, w zakresie ich późniejszej eliminacji. W tym celu konieczne jest doskonalenie metod weryfikacji i eliminacji artefaktów z sygnału EEG. W artykule opisano możliwość zastosowania powyższych metod w zakresie sygnału EEG oraz zrealizowane zostało porównanie skuteczności ich działania.
    : In the paper there are presented the Principal Component Analysis (PCA) and the Independent Component Analysis (ICA) as useful tools for elimination of artefacts in an electroencephalographic signal. The process of registration of the electroencephalographic signal can be described as BSS - Blind Signals Separation. It is possible to estimate unknown source signals and to extract intrusive disturbing signals in terms of their subsequent elimination. It is necessary to improve the methods of verification and elimination of artefacts from an EEG signal. The Brain Computer Interface (BCI) technology is presented briefly in the first part of the paper. EEG signal characteristics and its acqui-sition with the non-invasive method are described in the second part. Next, there is discussed the possibility of using the PCA and ICA methods in terms of analysis of an EEG signal. Comparison of the effectiveness of these methods is presented as well. A general profile of the EEG signal processing is shown in Fig. 1. An example of use of the infomax algorithm for a real EEG signal is depicted in Fig. 2. Fig. 3 shows an exemplary Event-Related Potential (ERP) of the EEG signal.
    Źródło:
    Pomiary Automatyka Kontrola; 2013, R. 59, nr 3, 3; 204-207
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Usuwanie artefaktów z danych EEG przy użyciu analizy składowych niezależnych
    Removal of artifacts from EEG data by means of Independent Component Analysis
    Autorzy:
    Górecka, J.
    Kaszyński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/158376.pdf
    Data publikacji:
    2008
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    ślepa separacja sygnałów
    analiza składowych niezależnych (ICA)
    sygnały EEG
    artefakt
    blind signal separation
    independent component analysis
    EEG data
    artifacts
    Opis:
    Celem przedstawionych wyników badań jest eliminacja wybranych niepożądanych sygnałów przy użyciu analizy składowych niezależnych. W artykule przedstawiono następujące algorytmy BSS (z ang. Blind Signal Separation): HJ oraz Infomax jako narzędzia do separacji i usuwania wybranej grupy artefaktów (mruganie powiek, artefakty mięśniowe) z przebiegów EEG. Jak udowodniono w eksperymentach proponowane algorytmy adaptacyjne mogą efektywnie wykrywać i usuwać wybrane artefakty z przebiegów EEG.
    The aim of the performed investigations is to remove selected undesired signals by means of ICA approach. In the paper there are presented the following algorithms BSS (Blind Signal Separation): HJ and Infomax for separation and removal of selected group of artifacts (eye blinks, muscle activity) from EEG recordings. It has been proved in the experiments which are described in the paper that the proposed adaptive algorithms can effectively detect and remove these selected artifacts from EEG recordings.
    Źródło:
    Pomiary Automatyka Kontrola; 2008, R. 54, nr 12, 12; 827-830
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selected Methods of the Pattern Electroretinogram Signal Analysis
    Wybrane metody analizy sygnału Elektroretinogramu wywołanego wzorcem
    Autorzy:
    Penkala, K.
    Rogala, T.
    Brykalski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/156978.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    analiza sygnałów
    elektroretinogram wywołany wzorcem
    PERG
    analiza statystyczna
    ciągła transformata falkowa
    sztuczne sieci neuronowe
    analiza składowych niezależnych
    signal analysis
    pattern electroretinogram
    statistical analysis
    continuous wavelet transform (CWT)
    artificial neural networks
    independent component analysis
    Opis:
    In the paper a short review of methods applied for pattern electroretinogram signal analysis is presented. Various possible alternatives for classical method used in medical practice are described. The capabilities and disadvantages of each method as well as relevant results are briefly presented and/or references are cited. The described algorithms are: statistical regression analysis, continuous wavelet transform, discrete wavelet transform, artificial neural networks, principal components analysis and independent component analysis. The aim of the paper is to give a short review of previously taken activity in the field of pattern electroretinogram analysis particularly for diagnostic purposes, and present a guide for possible approaches to be applied for other bioelectrical signals.
    W artykule przedstawiono przegląd metod zastosowanych do analizy sygnału elektroretinogramu wywołanego wzorcem. Zaprezentowano szereg możliwych technik alternatywnych w stosunku do procedur używanych w praktyce klinicznej. Przedyskutowano zalety i ograniczenia każdego z algorytmów, przedstawiając pokrótce wyniki doświadczeń lub cytując odpowiednie pozycje literatury. Opisane algorytmy to: statystyczna analiza regresji, ciągła i dyskretna transformata falkowa, sztuczne sieci neuronowe, analiza składowych głównych (PCA) oraz analiza składowych niezależnych (ICA). Celem niniejszego artykuły jest usystematyzowanie wcześniejszych działań autorów w dziedzinie analizy elektroretinogramu wywołanego wzorcem, w szczególności dla potrzeb diagnostyki, oraz zaproponowanie metodologii badań sygnałów bioelektrycznych o podobnym charakterze.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 6, 6; 22-25
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies