کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4334977 | 1614646 | 2014 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A non-parametric Bayesian approach for clustering and tracking non-stationarities of neural spikes
ترجمه فارسی عنوان
یک رویکرد غیر پارامتری بیزی برای خوشه بندی و ردیابی غیرمستقیم ستون های عصبی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مرتب سازی اسپایک، طبقه بندی بیزی، غیر پارامتری، غیر استثنایی، برآورد تراکم هسته،
ترجمه چکیده
با استفاده از خوشهبندی مبتنی بر تراکم هسته غیر پارامتری که هیچ فرضیه ای در مورد توزیع خوشه ها ایجاد نمی کند، توانایی ردیابی غیرمسئولیت خوشه ای در طول زمان با توجه به رویکرد مدل سازی خوشه گاوس، افزایش می یابد.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علم عصب شناسی
علوم اعصاب (عمومی)
چکیده انگلیسی
Using non-parametric kernel density-based clustering that makes no assumptions on the distribution of the clusters enhances the ability of tracking cluster non-stationarity over time with respect to the Gaussian cluster modeling approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Neuroscience Methods - Volume 223, 15 February 2014, Pages 85-91
Journal: Journal of Neuroscience Methods - Volume 223, 15 February 2014, Pages 85-91
نویسندگان
Vahid Shalchyan, Dario Farina,