برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Signal Processing for Neuroscientists

دانلود کتاب پردازش سیگنال برای دانشمندان علوم اعصاب

مشخصات کتاب

Signal Processing for Neuroscientists

دسته بندی: موجک و پردازش سیگنال
ویرایش: 1 
نویسندگان: Wim van Drongelen  
سری: Elsevier Insights 
ISBN (شابک) : 9780123849151, 0123849152 
ناشر: Elsevier 
سال نشر: 2006 
تعداد صفحات: 299 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 40,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

در صورت تبدیل فایل کتاب Signal Processing for Neuroscientists 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 پردازش سیگنال برای دانشمندان علوم اعصاب 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.

توضیحاتی در مورد کتاب پردازش سیگنال برای دانشمندان علوم اعصاب

محبوبیت پردازش سیگنال در علوم اعصاب در حال افزایش است و با در دسترس بودن و توسعه سخت افزار و نرم افزار رایانه پیش بینی می شود که رشد فعلی ادامه یابد. از آنجایی که ساخت الکترود بهبود یافته است و تجهیزات اندازه گیری ارزان تر می شوند، اندازه گیری های الکتروفیزیولوژیکی با تعداد زیادی کانال در حال حاضر بسیار رایج است. علاوه بر این، علوم اعصاب وارد عصر نور شده است و اندازه گیری های فلورسانس به طور کامل در جعبه ابزار محقق ادغام شده است. از آنجایی که هر تصویر در یک فیلم حاوی چندین پیکسل است، این اندازه گیری ها ذاتاً چند کانالی هستند. علاوه بر این، در دسترس بودن بسته های نرم افزاری عمومی و تخصصی برای تجزیه و تحلیل داده ها، نگرش عصب شناسان را نسبت به برخی از تکنیک های تحلیل پیچیده تر تغییر داده است. این کتاب همراه با کتاب قبلی منتشر شده، "پردازش سیگنال برای دانشمندان علوم اعصاب: مقدمه ای بر تجزیه و تحلیل سیگنال های فیزیولوژیکی" است که خوانندگان را با مفاهیم اساسی آشنا می کند. چندین تکنیک پیشرفته را مورد بحث قرار می‌دهد، روش‌هایی را برای توصیف سیستم‌های غیرخطی دوباره کشف می‌کند، و تجزیه و تحلیل ضبط‌های چند کانالی را بررسی می‌کند. - مباحث پیشرفته تر تحلیل سیستم های خطی و غیرخطی و تحلیل چند کانالی را پوشش می دهد - شامل مثال های کاربردی پیاده سازی شده در متلب - ارجاعات متعددی به اصول اولیه برای کمک به دانش آموز ارائه می دهد

توضیحاتی درمورد کتاب به خارجی

The popularity of signal processing in neuroscience is increasing and with the current availability and development of computer hardware and software it is anticipated that the current growth will continue. Because electrode fabrication has improved and measurement equipment is getting less expensive, electrophysiological measurements with large numbers of channels are now very common. In addition, neuroscience has entered the age of light and fluorescence measurements are fully integrated into the researcher's toolkit. Because each image in a movie contains multiple pixels, these measurements are multi-channel by nature. Furthermore, the availability of both generic and specialized software packages for data analysis has altered the neuroscientist's attitude towards some of the more complex analysis techniques. This book is a companion to the previously published book,'Signal Processing for Neuroscientists: An Introduction to the Analysis of Physiological Signals', which introduced readers to the basic concepts. It discusses several advanced techniques, rediscovers methods to describe nonlinear systems, and examines the analysis of mulit-channel recordings. - Covers the more advanced topics of linear and nonlinear systems analysis and multi-channel analysis - Includes practical examples implemented in MATLAB - Provides multiple references to the basics to help the student

فهرست مطالب

Front matter......Page 2
Copyright......Page 3
Preface......Page 4
Unevenly Sampled Data......Page 6
Lomb’s Algorithm......Page 8
A MATLAB Example......Page 12
The Hilbert Transform......Page 13
The Hilbert Transform in the Frequency Domain......Page 15
The Hilbert Transform in the Time Domain......Page 19
Examples......Page 20
Appendix 1.1......Page 22
Appendix 1.2......Page 23
Appendix 1.3......Page 24
Different Types of Models......Page 25
Examples of Parametric and Nonparametric Models......Page 27
Describing Discrete Time Data Sets......Page 30
Maclaurin Series......Page 32
Taylor Series......Page 34
Nonlinear Systems with Memory......Page 36
Taylor Series for a 2D Function......Page 40
Introduction......Page 42
Volterra Series......Page 45
Combined Input to a Second-Order Volterra System......Page 46
A Second-Order Volterra System......Page 48
Discrete Time Implementation......Page 52
Determining the Second-Order Kernel......Page 54
Determining the First-Order Kernel......Page 55
The LN Cascade......Page 56
The NL Cascade......Page 57
The LNL Cascade......Page 58
Sinusoidal Signals......Page 60
Introduction......Page 64
Wiener Kernels......Page 65
Derivation of the Second-Order Wiener Operator......Page 68
Orthogonality Between H0 and g2......Page 69
Orthogonality Between H1 and g2......Page 70
Determination of the Zero-Order Wiener Kernel......Page 72
Determination of the First-Order Wiener Kernel......Page 73
1D Example......Page 163
Implementation of the Cross-Correlation Method......Page 76
Relation between Wiener and Volterra Kernels......Page 80
Analyzing Spiking Neurons Stimulated with Noise......Page 82
Nonwhite Gaussian Input......Page 87
Summary......Page 89
Averages of Gaussian Random Variables......Page 90
Delay System as Volterra Operator......Page 92
Systems with Impulse Train Input......Page 94
Product Averages for the Poisson Impulse Train......Page 95
Orthogonal Terms of the Poisson–Wiener Series......Page 100
The First-Order Poisson–Wiener Operator......Page 101
The Second-Order Poisson–Wiener Operator......Page 102
Determination of the First-Order Poisson–Wiener Kernel......Page 106
Determination of the Second-Order Poisson–Wiener Kernel......Page 108
An Example of ICA Applied to EEG Signals......Page 155
Spiking Output......Page 114
Summary......Page 115
Expectation and Time Averages of Variables Following a Poisson Process......Page 116
Creating Impulse Trains Following a Poisson Process......Page 120
Introduction......Page 122
Mixing and Unmixing of Signals......Page 123
Principal Component Analysis......Page 126
Finding Principal Components......Page 129
A MATLAB Example......Page 131
Singular Value Decomposition......Page 134
Using PCA as a Filter......Page 136
Independent Component Analysis......Page 137
Entropy of Sources and Mixtures......Page 138
Using the Scalar Product to Find Independent Components......Page 144
A MATLAB Example......Page 146
What If Sources Are Not Uniformly Distributed?......Page 148
Can We Apply Smarter Approaches Than the Brute Force Technique?......Page 154
Eigenvalues and Eigenvectors......Page 158
Introduction......Page 161
Directed Transfer Function......Page 162
Multidimensional Example......Page 165
Implementation......Page 168
Examples......Page 170
Combination of Multichannel Methods......Page 177
References......Page 178