Informacja

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

Wyszukujesz frazę "Zhu, L.Q." wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Ultrathin Niobium in the Si/Nb/Si Trilayers
Autorzy:
Zaytseva, I.
Abal'oshev, O.
Dłużewski, P.
Minikayev, R.
Cieplak, Marta
Zhu, L.
Chien, C.
Powiązania:
https://bibliotekanauki.pl/articles/1374193.pdf
Data publikacji:
2014-10
Wydawca:
Polska Akademia Nauk. Instytut Fizyki PAN
Tematy:
74.78.-w
74.70.Ad
74.25.-q
Opis:
We study magnetotransport properties of the Si/Nb/Si trilayers, in which the thickness of niobium, d, changes from 1.1 nm to 50 nm, while the thickness of Si is fixed at 10 nm. The niobium films are amorphous for d < 4 nm, while in thicker films the alligned polycrystalline grains are formed. We observe that the Hall coefficient changes sign into negative in the films with d < 1.6 nm. We also find that in the ultrathin films the magnetic field induces a transition from the superconducting into a metallic phase with the resistance smaller than the normal-state resistance.
Źródło:
Acta Physica Polonica A; 2014, 126, 4a; A-140-A-144
0587-4246
1898-794X
Pojawia się w:
Acta Physica Polonica A
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Personal identification based on brain networks of EEG signals
Autorzy:
Kong, W.
Jiang, B.
Fan, Q.
Zhu, L.
Wei, X.
Powiązania:
https://bibliotekanauki.pl/articles/329856.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
electroencephalogram signal
personal identification
brain network
phase synchronization
elektroencefalogram
identyfikacja osobowa
sieć mózgowa
synchronizacja fazy
Opis:
Personal identification is particularly important in information security. There are numerous advantages of using electroencephalogram (EEG) signals for personal identification, such as uniqueness and anti-deceptiveness. Currently, many researchers focus on single-dataset personal identification, instead of the cross-dataset. In this paper, we propose a method for cross-dataset personal identification based on a brain network of EEG signals. First, brain functional networks are constructed from the phase synchronization values between EEG channels. Then, some attributes of the brain networks including the degree of a node, the clustering coefficient and global efficiency are computed to form a new feature vector. Lastly, we utilize linear discriminant analysis (LDA) to classify the extracted features for personal identification. The performance of the method is quantitatively evaluated on four datasets involving different cognitive tasks: (i) a four-class motor imagery task dataset in BCI Competition IV (2008), (ii) a two-class motor imagery dataset in the BNCI Horizon 2020 project, (iii) a neuromarketing dataset recorded by our laboratory, (iv) a fatigue driving dataset recorded by our laboratory. Empirical results of this paper show that the average identification accuracy of each data set was higher than 0.95 and the best one achieved was 0.99, indicating a promising application in personal identification.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 745-757
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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