|
 Νέα για πρωτοετείς
Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη. Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.
Show Posts
|
Pages: [1] 2 3 4
|
8
|
Μαθήματα Τηλεπικοινωνιακού Κύκλου / Βιοϊατρική Τεχνολογία / Re: [Βιοιατρική Τεχνολογία] Εργασία 2018
|
on: December 26, 2018, 21:04:44 pm
|
Παιδιά στο ερώτημα 1.2 πως βρίσουμε σωστά τον αριθμό των κορυφών ?
Πχ αν πάρουμε πόσες τιμές από το data περνάνε το κατώφλι Τ τότε δεν μετράς κορυφές απλά μετράς σημεία. Επίσης θα πρέπει να λάβουμε υπ όψιν και τις αρνητικές κορυφές ?
Μας είπε μόνο θετικές κορυφές να ψάχνουμε.Τα είδη των spikes είναι είτε ζεύγη θετικών και αρνητικών κορυφών, είτε απλά μία θετική κορυφή. Θα πρέπει να βρεις έναν τρόπο να μην μετράς τα σημεία, αλλά τις κορυφές.
|
|
|
9
|
Μαθήματα Τηλεπικοινωνιακού Κύκλου / Βιοϊατρική Τεχνολογία / Re: [Βιοιατρική Τεχνολογία] Εργασία 2018
|
on: December 24, 2018, 16:37:02 pm
|
Σε ευχαριστώ πολύ! Επειδή είναι συνάρτηση μάλλον πρέπει να την τρέξεις κάπως διαφορετικά, δηλαδή με τα ορίσματα της, γιατί το είχα δοκιμάσει και αυτό με την στήλη. Μόλις την έτρεξα και μου έβγαλε ένα (απογοητευτικό) 40% ποσοστό.  Όσον αφορά τη στοίχιση, και εγώ έτσι ξεκίνησα, με ακρότατα και πότε εμφανίζεται το καθένα, αλλά παρατήρησα ότι μπορεί σε ενα σύνολο 64 δειγμάτων να υπάρχει προηγουμένως ένα άλλο spike. Ο τρόπος που έχω βάλει να αποθηκεύει τις κυματομορφές, είναι να παίρνει τα -31 προηγούμενα δείγματα και τα 32 επόμενα. Έτσι, για να βεβαιωθώ ότι θα κεντράρει στο ακρότατο της εκάστοτε κυματομορφής, περιόρισα την αναζήτηση ελαχίστων ή μεγίστων στα δείγματα που ανήκουν στο εύρος [20,40]. Ελπίζω να είναι σωστό. Για το ερώτημα 2.3, που λέει για τις κορυφές που βρίσκουμε οι οποίες δεν είναι όντως κορυφές αλλά θόρυβος, πως θα βρούμε τον πραγματικό αριθμό; Σε μερικά Data_Eval_E, βρίσκω λιγότερα spikes από όσα πραγματικά είναι. Αυτά. Ευχαριστώ και πάλι και ΚΑΛΕΣ ΓΙΟΡΤΕΣ !
|
|
|
10
|
Μαθήματα Τηλεπικοινωνιακού Κύκλου / Βιοϊατρική Τεχνολογία / Re: [Βιοιατρική Τεχνολογία] Εργασία 2018
|
on: December 23, 2018, 22:13:02 pm
|
Εγώ το έκανα ως εξής:
Καταρχάς, βάσει του εμπειρικού κανόνα, στο Data_Eval_E_1, μου βγάζει 3371 spikes ενώ στην πραγματικότητα είναι 3410.
Ύστερα, για να τα κατηγοροποιήσω, πήρα τους πίνακες spikeTimes και spikeTimesEst που έχει βρει και (αφού παρατήρησα κάποιες χρονικές διαφορές ανάμεσα στους πίνακες spikesTimes & spikesTimesEst) το έβαλα να αφαιρεί μία τιμή του spikeTimesEst από ΟΛΕΣ τις τιμές του πίνακα spikeTimes. Αν η έβρισκε μία διαφορά που άνηκε στο εύρος [15,30], τότε σημαίνει πως αυτό ειναι όντως spike, και χρησιμοποιώντας τον πίνακα spikeClasses, έβαζα τα 64 δείγματα της κυματομορφής του σε νέο πίνακα του αντίστοιχου νευρώνα.
Από τα 3371 spikes που βρήκα, με τον αλγόριθμο που έκανα, κατάφερα να κατηγοροποιήσω τα 3347 που μου φαίνεται ένα καλό ποσοστό.
Έχω 2 απορίες πάντως: 1) Τι εννοεί πρώτο ακρότατο; Εγώ έκανα στοίχιση όπως ένας συνάδελφος έκανε παραπάνω, βάσει των μεγίστων. Το πρώτο ακρότατο ποιό είναι; Το σημείο που περνάει πρώτη φορα το threshold T;
2) Το διάνυσμα group για το (2.5) ερώτημα, πως θα πρέπει να είναι; Εγώ το έκανα ως διάνυσμα π.χ. [1x3711] που κάθε τιμή είναι 1, 2 ή 3, αλλά το MyClassify μου βγάζει ένα error:
"Error using MyClassify (line 2) Not enough input arguments."
Καμία βοήθεια;
|
|
|
|
|