开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-03
详细说明：随着神经科学研究和实践的发展，具有多种模式和高密度的神经数据分析近来已成为一种趋势。 迫切需要一种在不损失或破坏空间，时间和频率的模式之间（通常是交互作用）的情况下准确，唯一地捕获特征的方法。 此外，该方法必须能够在数十个甚至数百个通道中快速分析规模和大小呈指数增长的神经数据，以便可以及时做出结论和决策。 并行数据分析（PARAFAC）是多向数据分析的重要方法，它在脑电图（EEG）分解中表现出了有效性。 但是，传统的PARAFAC由于具有很高的复杂度而仅适用于脱机数据分析，随着数据量的增加，其计算结果为O（n2）。 在这项研究中，已经开发了一种大规模的PARAFAC方法，该方法得到了图形处理单元（GPGPU）上通用计算的支持。 与在传统的基于CPU的平台上运行的PARAFAC相比，该新方法在运行时性能方面显着胜过> 360倍，并且在所有维度上有效地扩展了> 400倍。 此外，所提出的方法构成了用于分析从癫痫患者获得的脑电图（ECoG）记录的模型的基础，事实证明，该模型在癫痫状态检测中是有效的。 提出的模型的时间演变与临床观察密切相关。 此外，频率签名是稳定的，并且在初始阶段较高。 此外
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
