دارو

مدل سازی سری زمانی داده های علوم اعصاب

Time series modeling of neuroscience data

دانلود کتاب Time series modeling of neuroscience data (به فارسی: مدل سازی سری زمانی داده های علوم اعصاب) نوشته شده توسط «Tohru Ozaki»

اطلاعات کتاب مدل سازی سری زمانی داده های علوم اعصاب

موضوع اصلی: دارو

نوع: کتاب الکترونیکی

ناشر: Taylor & Francis

نویسنده: Tohru Ozaki

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2012

تعداد صفحه: 548 / 561

حجم فایل: 8.30 مگابایت

کد کتاب: 1420094602 , 9781420094602

توضیحات کتاب مدل سازی سری زمانی داده های علوم اعصاب

“پیشرفت های اخیر در فناوری اندازه گیری علم مغز به محققان امکان دسترسی به داده های سری زمانی بسیار بزرگ مانند داده های EEG/MEG (20 تا 100 بعدی) و fMRI (140000 بعدی) را داده است. مدل‌سازی سری زمانی داده‌های علوم اعصاب نشان می‌دهد که چگونه می‌توان داده‌های علوم اعصاب را با رویکرد Wiener-Kalman-Akaike تجزیه و تحلیل کرد، که در آن مدل‌های دینامیکی از همه نوع، مانند مدل‌های معادلات دیفرانسیل خطی/غیرخطی و مدل‌های سری زمانی، برای سفید کردن سری‌های زمانی وابسته به زمانی در چارچوب مدل‌های فضای حالت خطی/غیرخطی استفاده می‌شود. این کتاب با استفاده از ریاضیات کمتر، برخی از مفاهیم اولیه و مشتقات آن را به عنوان ابزار مفیدی برای تجزیه و تحلیل سری‌های زمانی بررسی می‌کند. ویژگی‌های منحصر به فرد عبارتند از: روش شناسایی آماری سیستم‌های دینامیکی بسیار غیرخطی مانند مدل هوچکین-هاکسلی، مدل آشوب لورنز، مدل زتربرگ و غیره Met hods و برنامه‌های کاربردی برای تجزیه و تحلیل علیت دینامیکی که توسط روش مدل‌سازی فضای حالت وینر، گرنجر و آکایک برای پویایی راه‌حل‌ها برای روش مدل‌سازی فضای حالت ناهمگون مسائل معکوس برای تجزیه سیگنال غیر ثابت دینامیکی برای کاربردهای مشکلات تشخیص سیگنال در تجزیه و تحلیل داده‌های EEG ایجاد شده است. روش مبتنی بر نوآوری برای توصیف سری‌های زمانی غیرخطی و/یا غیر گاوسی یک روش مبتنی بر نوآوری برای مدل‌سازی سری‌های زمانی فضایی برای تجزیه و تحلیل داده‌های fMRI نکته اصلی مورد علاقه در این کتاب نشان دادن این است که داده‌های مشابه را می‌توان با استفاده از آن‌ها درمان کرد. هر دو سیستم دینامیکی و رویکرد سری زمانی به طوری که اطلاعات عصبی و فیزیولوژیکی را بتوان به طور موثرتری استخراج کرد. البته، مدل‌سازی سری‌های زمانی نه تنها در تجزیه و تحلیل داده‌های علوم اعصاب، بلکه در بسیاری از علوم و زمینه‌های مهندسی دیگر که استنتاج آماری از داده‌های سری‌های زمانی مشاهده‌شده نقش مهمی ایفا می‌کند، معتبر است – ارائه شده توسط ناشر. بیشتر بخوانید…

“Recent advances in brain science measurement technology have given researchers access to very large-scale time series data such as EEG/MEG data (20 to 100 dimensional) and fMRI (140,000 dimensional) data. To analyze such massive data, efficient computational and statistical methods are required. Time Series Modeling of Neuroscience Data shows how to efficiently analyze neuroscience data by the Wiener-Kalman-Akaike approach, in which dynamic models of all kinds, such as linear/nonlinear differential equation models and time series models, are used for whitening the temporally dependent time series in the framework of linear/nonlinear state space models. Using as little mathematics as possible, this book explores some of its basic concepts and their derivatives as useful tools for time series analysis. Unique features include: statistical identification method of highly nonlinear dynamical systems such as the Hodgkin-Huxley model, Lorenz chaos model, Zetterberg Model, and more Methods and applications for Dynamic Causality Analysis developed by Wiener, Granger, and Akaike state space modeling method for dynamicization of solutions for the Inverse Problems heteroscedastic state space modeling method for dynamic non-stationary signal decomposition for applications to signal detection problems in EEG data analysis An innovation-based method for the characterization of nonlinear and/or non-Gaussian time series An innovation-based method for spatial time series modeling for fMRI data analysis The main point of interest in this book is to show that the same data can be treated using both a dynamical system and time series approach so that the neural and physiological information can be extracted more efficiently. Of course, time series modeling is valid not only in neuroscience data analysis but also in many other sciences and engineering fields where the statistical inference from the observed time series data plays an important role”–Provided by publisher. Read more…

دانلود کتاب «مدل سازی سری زمانی داده های علوم اعصاب»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان