Search
Search Results
-
Schätzungen von emotionalen Synchronisationsindizes für Gehirnregionen mithilfe der Elektroenzephalogramm-Signalanalyse
Das Erkennen von Emotionen auf der Grundlage von Gehirnaktivität ist für das Verständnis vielfältigen menschlichen Verhaltens im Alltag von...
-
Gehirn-Computer-Schnittstelle (BCI), basierend auf der EEG-Signalzerlegung, Schmetterlingsoptimierung und maschinellem Lernen
Die Gehirn-Computer-Schnittstelle (BCI) ist eine Technologie, die Menschen mit Behinderungen hilft, Hilfsgeräte zu bedienen, indem sie neuromuskuläre...
-
Die Landschaft des ML
Jede dieser drei Komponenten beinhaltet Designentscheidungen für die Darstellung von Daten, deren Merkmale und Labels, das Modell und die...
-
Peak-Spektrogramm und Convolutional Neural Network-basierte Segmentierung und Klassifizierung für Phonokardiogramm-Signale
Herzerkrankungen sind eine der Hauptursachen für den Verlust von Menschenleben weltweit. Das Phonokardiogramm (PCG) liefert Informationen für die...
-
Erkennungsverfahren für KI-generierte Texte: Überblick und Architekturentwurf
Transformer-based AI systems have made great progress in areas such as text processing and comprehension. These deep learning models enable the...
-
Verbesserung der Erkennung des Arbeitsgedächtnisses von Demenz-Patienten mithilfe von Entropie-basierten Merkmalen und dem Local Tangent Space Alignment Algorithmus
Die Erkennung von Demenz stellt eine Barriere für die Weiterentwicklung der individualisierten Gesundheitsversorgung dar. Die nicht-lineare Natur von...
-
Überblick über die Klassifizierung von EEG-Signalen mit maschinellem Lernen und Deep-Learning-Techniken
Elektroenzephalographie-Signale (EEG-Signale) werden weit verbreitet für die Prognose und Diagnose mehrerer Störungen verwendet, wie zum Beispiel...
-
Empirische Risikominimierung
Kap. 2 diskutierte drei Hauptkomponenten von ML (siehe Abb. 2.1): Datenpunkte, die durch Merkmale...
-
Komponenten des ML
Ein ML-Problem beinhaltet spezifische Designentscheidungen für Datenpunkte, deren Merkmale und Labels, den Hypothesenraum (oder Modell) und die...
-
Parametrische Methoden
Maschinelle Lernverfahren können auf unterschiedliche Art und Weise unterteilt werden. In den Abschn. 1.2 bis 1.5 haben wir uns bereits mit einer...
-
Biomedizinische Signalverarbeitung und künstliche Intelligenz in EOG-Signalen
Die Elektrookulographie ist eine Technik, die Augenbewegungen erkennt und analysiert, basierend auf elektrischen Potenzialen, die mit um die Augen...
-
Anwendung von Wavelet-Zerlegung und maschinellem Lernen für die sEMG-Signalbasierte Gestenerkennung
Amputierte auf der ganzen Welt haben begrenzten Zugang zu hochwertigen intelligenten Prothesen. Die korrekte Erkennung von Gesten ist eine der...
-
Physikalisch-informiertes Lernen
Ein Lernverfahren kann durch gezielte Vorinformationen unterstützt werden, ein Ansatz der physikalisch-informiertes Lernen heißt. Im Rahmen dieses...
-
Eclipse-Papyrus-Framework
Eclipse Papyrus stellt ein Open-Source-Plug-in für die Eclipse IDE der Eclipse Foundation zur Modellierung und Unterstützung modellgetriebener...
-
Maschinelles Lernen: Deep Learning mit neuronalen Netzen
Dieses Kapitel bietet eine kurze Einführung in das immer populärer werdende Gebiet des maschinellen Lernens, mit Fokus auf neuronalen Netzen....
-
Anwendungen
Im vorliegenden Kapitel werden verschiedene Anwendungsbeispiele vorgestellt, die verdeutlichen, wie maschinelles Lernen in der Praxis eingesetzt...
-
Segmentierung mit Fuzzy Logic
In diesem Kapitel wird ein unüberwachter Klassifikator vorgestellt, der eine Menge von Merkmalsvektoren einer vordefinierten Anzahl von Klassen...