Optimizing parameters and algorithms of multivariate pattern classification for hypothesis testing in high-density EEG

DSpace Repositorium (Manakin basiert)

Optimizing parameters and algorithms of multivariate pattern classification for hypothesis testing in high-density EEG

Autor(en): Jamalabadi, Hamidreza
Tübinger Autor(en):
Jamalabadi, Hamidreza
Sonstige Beteiligte: Eberhard Karls Universität Tübingen
Erscheinungsjahr: 2017
Verlagsangabe: Tübingen
Sprache: Englisch
Referenz zum Volltext: http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-782834
DDC-Klassifikation: 500 - Naturwissenschaften
610 - Medizin, Gesundheit
Dokumentart: Dissertation
Seitenzahl: 145 Seiten : Illustrationen
Verbund-Nachweis: 494706503
494706430
Kommentar: Dissertation, Eberhard Karls Universität Tübingen, 2017; Erscheint auch als, Online-Ausgabe, Jamalabadi, Hamidreza, Optimizing parameters and algorithms of multivariate pattern classification for hypothesis testing in high-density EEG, Tübingen, 2017, 1 Online-Ressource (145 Seiten),
Zur Langanzeige

Das Dokument erscheint in: