دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Topics in nonlinear time series analysis : with implications for EEG analysis
دانلود کتاب موضوعات در تجزیه و تحلیل سری های زمانی غیرخطی: با مفاهیمی برای تجزیه و تحلیل EEG
مشخصات کتاب
Topics in nonlinear time series analysis : with implications for EEG analysis
ویرایش:
نویسندگان: Andreas Galka
سری: Advanced series in nonlinear dynamics, v. 14
ISBN (شابک) : 9810241488, 9789810241483
ناشر: World Scientific
سال نشر: 2000
تعداد صفحات: 0
زبان: English
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 مگابایت
قیمت کتاب (تومان) : 47,000
در صورت تبدیل فایل کتاب Topics in nonlinear time series analysis : with implications for EEG analysis 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 موضوعات در تجزیه و تحلیل سری های زمانی غیرخطی: با مفاهیمی برای تجزیه و تحلیل EEG 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 موضوعات در تجزیه و تحلیل سری های زمانی غیرخطی: با مفاهیمی برای تجزیه و تحلیل EEG
این کتاب بررسی کاملی از یک کلاس از الگوریتم‌های قدرتمند برای تحلیل عددی داده‌های سری زمانی پیچیده که از سیستم‌های دینامیکی به‌دست آمده‌اند، ارائه می‌کند. این الگوریتم‌ها مبتنی بر مفهوم نمایش فضای حالت دینامیک زیربنایی هستند که توسط دینامیک غیرخطی معرفی شده‌اند. به طور خاص، الگوریتم‌های فعلی برای بازسازی فضای حالت، تخمین ابعاد همبستگی، آزمایش جبرگرایی و آزمایش داده‌های جایگزین ارائه شده‌اند؟ الگوریتم‌هایی که از سال 1980 نقش اصلی را در بررسی آشوب قطعی و پدیده‌های مرتبط بازی می‌کنند. تأکید ویژه بر این موضوع بحث‌برانگیز است که آیا این الگوریتم‌ها می‌توانند با موفقیت برای تجزیه و تحلیل الکتروانسفالوگرام انسانی مورد استفاده قرار گیرند.
توضیحاتی درمورد کتاب به خارجی
This book provides a thorough review of a class of powerful algorithms for the numerical analysis of complex time series data which were obtained from dynamical systems. These algorithms are based on the concept of state space representations of the underlying dynamics, as introduced by nonlinear dynamics. In particular, current algorithms for state space reconstruction, correlation dimension estimation, testing for determinism and surrogate data testing are presented ? algorithms which have been playing a central role in the investigation of deterministic chaos and related phenomena since 1980. Special emphasis is given to the much-disputed issue whether these algorithms can be successfully employed for the analysis of the human electroencephalogram.
