دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Zhe Chen.Sridevi V. Sarma (eds.)
سری:
ISBN (شابک) : 9783319719757, 9783319719764
ناشر: Springer International Publishing
سال نشر: 2018
تعداد صفحات: 337
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب علوم اعصاب پویا: آمار ، مدل سازی و کنترل: مهندسی پزشکی
در صورت تبدیل فایل کتاب Dynamic Neuroscience: Statistics, Modeling, and Control به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب علوم اعصاب پویا: آمار ، مدل سازی و کنترل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب نشان میدهد که چگونه میتوان روشهای کمی کارآمد برای توصیف دادههای عصبی و اطلاعات اضافی ایجاد کرد که پویایی و مکانیسمهای فیزیولوژیکی عصبی را نشان میدهد. نوشته شده توسط متخصصان فعال در این زمینه، حاوی تبادل ایده های نوآورانه بین محققان در هر دو انتهای محاسباتی و تجربی، و همچنین کسانی که در رابط هستند. نویسندگان چالشهای تحقیقاتی و مسیرهای جدید در حوزههای نوظهور را با دو هدف در ذهن مورد بحث قرار میدهند: جمعآوری پیشرفتهای اخیر در آمار، پردازش سیگنال، مدلسازی و روشهای کنترل در علوم اعصاب. و برای استقبال و پرورش ایده های نوآورانه یا بین رشته ای در امتداد این خط تحقیقات و بحث در مورد مسائل مهم تحقیقاتی در تجزیه و تحلیل داده های عصبی. با استفاده از مواد آموزشی و مروری، این کتاب برای مهندسان عصبی، برق و بیوپزشکی نوشته شده است. عصب شناسان محاسباتی؛ آماردانان؛ دانشمندان کامپیوتر؛ و مهندسان بالینی.
This book shows how to develop efficient quantitative methods to characterize neural data and extra information that reveals underlying dynamics and neurophysiological mechanisms. Written by active experts in the field, it contains an exchange of innovative ideas among researchers at both computational and experimental ends, as well as those at the interface. Authors discuss research challenges and new directions in emerging areas with two goals in mind: to collect recent advances in statistics, signal processing, modeling, and control methods in neuroscience; and to welcome and foster innovative or cross-disciplinary ideas along this line of research and discuss important research issues in neural data analysis. Making use of both tutorial and review materials, this book is written for neural, electrical, and biomedical engineers; computational neuroscientists; statisticians; computer scientists; and clinical engineers.
Front Matter ....Pages i-xxi
Introduction (Zhe Chen, Sridevi V. Sarma)....Pages 1-25
Front Matter ....Pages 27-27
Characterizing Complex, Multi-Scale Neural Phenomena Using State-Space Models (Uri T. Eden, Loren M. Frank, Long Tao)....Pages 29-52
Latent Variable Modeling of Neural Population Dynamics (Zhe Chen)....Pages 53-82
What Can Trial-to-Trial Variability Tell Us? A Distribution-Based Approach to Spike Train Decoding in the Rat Hippocampus and Entorhinal Cortex (Michael J. Prerau, Uri T. Eden)....Pages 83-109
Sparsity Meets Dynamics: Robust Solutions to Neuronal Identification and Inverse Problems (Behtash Babadi)....Pages 111-140
Artifact Rejection for Concurrent TMS-EEG Data (Wei Wu, Corey Keller, Amit Etkin)....Pages 141-173
Front Matter ....Pages 175-175
Characterizing Complex Human Behaviors and Neural Responses Using Dynamic Models (Sridevi V. Sarma, Pierre Sacré)....Pages 177-195
Brain–Machine Interfaces (Maryam M. Shanechi)....Pages 197-218
Control-Theoretic Approaches for Modeling, Analyzing, and Manipulating Neuronal (In)activity (ShiNung Ching)....Pages 219-238
From Physiological Signals to Pulsatile Dynamics: A Sparse System Identification Approach (Rose T. Faghih)....Pages 239-265
Neural Engine Hypothesis (Hideaki Shimazaki)....Pages 267-291
Inferring Neuronal Network Mechanisms Underlying Anesthesia-Induced Oscillations Using Mathematical Models (Sujith Vijayan, Michelle McCarthy)....Pages 293-315
Back Matter ....Pages 317-328