Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Ziyabari, Saeedeh"'
Autor:
Golmohammadi, Meysam, Ziyabari, Saeedeh, Shah, Vinit, Von Weltin, Eva, Campbell, Christopher, Obeid, Iyad, Picone, Joseph
Recurrent Neural Networks (RNNs) with sophisticated units that implement a gating mechanism have emerged as powerful technique for modeling sequential signals such as speech or electroencephalography (EEG). The latter is the focus on this paper. A si
Externí odkaz:
http://arxiv.org/abs/1801.02471
Autor:
Shah, Vinit, Golmohammadi, Meysam, Ziyabari, Saeedeh, Von Weltin, Eva, Obeid, Iyad, Picone, Joseph
Interpretation of electroencephalogram (EEG) signals can be complicated by obfuscating artifacts. Artifact detection plays an important role in the observation and analysis of EEG signals. Spatial information contained in the placement of the electro
Externí odkaz:
http://arxiv.org/abs/1801.02472
The evaluation of machine learning algorithms in biomedical fields for applications involving sequential data lacks standardization. Common quantitative scalar evaluation metrics such as sensitivity and specificity can often be misleading depending o
Externí odkaz:
http://arxiv.org/abs/1712.10107
Autor:
Golmohammadi, Meysam, Ziyabari, Saeedeh, Shah, Vinit, de Diego, Silvia Lopez, Obeid, Iyad, Picone, Joseph
Automated seizure detection using clinical electroencephalograms is a challenging machine learning problem because the multichannel signal often has an extremely low signal to noise ratio. Events of interest such as seizures are easily confused with
Externí odkaz:
http://arxiv.org/abs/1712.09776
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.