利用马尔可夫链模型预测脑电信号中的同步态跃迁
神经元与认知
2014-10-21 v1 医学物理
应用统计
机器学习
摘要
本文提出了一种随机模型，利用马尔可夫链的概念来描述多通道脑电图 (EEG) 信号中发现的毫秒级准稳态相位同步模式或同步态 (synchrostates) 的态间跃迁。针对两种不同的人脸感知任务，从 100 次试验的 128 通道 EEG 信号中估计了一阶和二阶转移概率矩阵以用于马尔可夫链建模。在基于数据划分的交叉验证方案下，还比较了此类有限马尔可夫链模型对同步态跃迁的预测准确率。
引用
@article{arxiv.1410.5362,
title = {Prediction of Synchrostate Transitions in EEG Signals Using Markov Chain Models},
author = {Wasifa Jamal and Saptarshi Das and Ioana-Anastasia Oprescu and Koushik Maharatna},
journal= {arXiv preprint arXiv:1410.5362},
year = {2014}
}
备注
5 pages, 5 figures