: نوفه زدایی از سری های زمانی غیر خطی امواج مغز eeg با استفاده از موجک های آبرفته و فیلتر های انعطاف پذیر
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - پژوهشکده فیزیک
- نویسنده فاطمه رحیمی
- استاد راهنما حسین متولی مهدی رضایی کرامتی سهرا ب بهنیا
- سال انتشار 1390
چکیده
در این پژوهش ابتدا نظریه ی آشوب و کمیت ناوردای نمای لیاپانوف به عنوان معیاری برای نوفه زدایی معرفی می گردد. در ادامه امواج مغزی مربوط به دو نمونه فرد سالم وبیمار صرعی با استفاده از موجک های آبرفته وفیلتر های انعطاف پذیر نوفه زدایی شده و به مطالعه این امواج از دید نظریه ی آشوب پرداخته شده است. برای سنجش میزان اعتبار نوفه زدایی از کمیت نمای لیاپانوف استفاده گردیده است. هم چنین با استفاده از تحلیل مغز انسان همچون یک سیستم دینامیکی حملات صرع پیش بینی گردیده و صحت درستی پیش- بینی با استفاده از منحنی roc ارزیابی شده است. نتایج بدست آمده بیانگر این است که سری های زمانی مربوط به امواج مغز eeg آشوبناک بوده و با توجه به ثابت ماندن مقدار نمای لیاپانوف قبل و بعد از نوفه- زدایی موجک های آبرفته و فیلتر های انعطاف پذیر روش مناسبی برای نوفه زدایی از امواج مغز است. هم چنین مثبت بودن مقدار نمای لیاپانوف بیانگر این است که امواج مغز از یک الگوی آشوبی پیروی می کنند. با استفاده از محاسبه سطح زیر نمودار roc نشان داده شده است که فیلترهای انعطاف پذیر نسبت به موجکهای آبرفته در کاهش نوفه از امواج مغز موثرتر می باشند.
منابع مشابه
نوفه زدایی از سری های زمانی مالی با استفاده از آنالیز موجک
هر مجموعه از ضرایب موجک بخشی از سریزمانی را در مقیاسهای زمانی متفاوت در بردارد. پیادهسازی تبدیل موجک، با بهرهگیری از بهترین موجکها در سطوح مناسب تاثیر بسزایی در نتایج تحلیلهای مالی خواهدداشت. در این پژوهش هدف، بیان اهمیت مفهوم مقیاس-زمان و بهکارگیری فواصل زمانی متفاوت در بررسی رفتار بازارهای مالی است تا مشخص شود که آیا حذف نوفه از سریزمانی میتواند دقت تصمیمگیری ما برای آینده را بالا...
متن کاملممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف ARMA نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
متن کاملریزمقیاس کردن مکانی – زمانی سری های زمانی بارش با استفاده از مدل ترکیبی موجک – شبکه عصبی مصنوعی
با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...
متن کاملاستخراج انرژی الکتریکی از نوسانات مکانیکی تصادفی توسط سامانه های الکترومکانیکی خطی و غیر خطی: مقایسه نوفه های مختلف
We investigate harvesting electrical energy from Gaussian white, Gaussian colored, telegraph and random phase-random amplitude (RARP) noises, using linear and nonlinear electromechanical systems. We show that the output power of the linear system with one or two degrees of freedom, is maximum for the Gaussian white noise. The response of the system with two degrees of freedom is widened in a la...
متن کاملممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف arma نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
متن کاملپیش بینی سری های زمانی کیفیت آب رودخانه سفیدرود با استفاده از مدل های خطی تصادفی
پیشبینی کیفیت آب رودخانهها به منظور مدیریت مناسب حوضه آنها ضروری است، تا بتوان برای کنترل مقدار آلایندهها و رساندن آنها به حد مجاز گامهایی برداشت. در مقاله حاضر، قابلیت پیشبینی سریهای زمانی پارامترهای هدایت الکتریکی و کلر ایستگاه آستانه از رودخانه سفیدرود با استفاده از مدلهای خطی تصادفی بررسی شده است. به منظور پیشبینی فصلی سریهای زمانی پارامترهای مذکور، از مدل خودهمبسته میانگین متحرک...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - پژوهشکده فیزیک
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023