- -

Extensions of Independent Component Analysis Mixture Models for classification and prediction of EEG signals

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

Extensions of Independent Component Analysis Mixture Models for classification and prediction of EEG signals

Mostrar el registro completo del ítem

Safont Armero, G.; Salazar Afanador, A.; Rodríguez Martínez, A.; Vergara Domínguez, L. (2013). Extensions of Independent Component Analysis Mixture Models for classification and prediction of EEG signals. WAVES. 5:59-68. http://hdl.handle.net/10251/52797

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/52797

Ficheros en el ítem

Metadatos del ítem

Título: Extensions of Independent Component Analysis Mixture Models for classification and prediction of EEG signals
Autor:
Entidad UPV: Universitat Politècnica de València. Instituto Universitario de Telecomunicación y Aplicaciones Multimedia - Institut Universitari de Telecomunicacions i Aplicacions Multimèdia
Universitat Politècnica de València. Departamento de Comunicaciones - Departament de Comunicacions
Fecha difusión:
Resumen:
[EN] This paper presents two applications of Independent Component Analysis Mixture Modeling (ICAMM) for the classification and prediction of data. The first one of these extensions is Sequential ICAMM (SICAMM), an ICAMM ...[+]
Palabras clave: ICA mixture model , EEG , Prediction , Classification , Working-memory task
Derechos de uso: Reserva de todos los derechos
Fuente:
WAVES. (issn: 1889-8297 )
Versión del editor: http://www.iteam.upv.es/waves.php?id=6&lang=es
Tipo: Artículo

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem