Bayesian analysis of EEG signal frequency components
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
MMAR 2016. 21th international conference on Methods and Models in Automation and Robotics : 29 August–01 September 2016, Międzyzdroje, Poland
Data publikacji
2016
ISBN
978-83-7518-791-5
Wydawca
ZAPOL Sobczyk Sp.j.
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Bayesian analysis of EEG signal frequency components
Rok publikacji
2016
Strony (od-do)
767--771
Numer rozdziału
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.35
Hasło encyklopedyczne
Autorzy
(liczba autorów: 3)
Pozostali autorzy
+ 1
Słowa kluczowe
EN
electroencephalography
frequency analysis
EEG
model selection
Bayes theroem
Konferencja
Indeksowana w Scopus
nie
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
MMAR 2016
Nazwa konferencji
21th international conference on Methods and Models in Automation and Robotics
Początek konferencji
2016-08-29
Koniec konferencji
2016-09-01
Lokalizacja konferencji
Międzyzdroje
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
EN
Treść
Electroencephalography is one of the most common electrophysiological methods. Regardless of its ubiquity, the problem of automatic EEG data processing and analysis is a topic of an ongoing research. In this paper we discuss an algorithm for detection of frequency components in EEG signal with the use of Bayesian statistics. Proposed approach creates a model of a signal, which consists of only statistically relevant components. Model parameters are estimated in a way that avoids getting stuck in local minima. Operation of the algorithm is illustrated with examples of real and artificial signals.
Cechy publikacji
chapter-in-a-book
Inne
System-identifier
idp:099958