A new NARX-based Granger linear and nonlinear casual influence detection method with applications to EEG data
1月 1, 2013·
,,,,·
0 分钟阅读时长
Yifan Zhao
Steve A. Billings
Hualiang Wei
Fei He
Ptolemaios G. Sarrigiannis
摘要
A new NARX-based Granger linear and nonlinear casual influence detection method is presented inthis paper to address the potential for linear and nonlinear models in data with applications to humanEEG data analysis. Considering two signals initially, the paper introduces four indexes to measure thelinearity and nonlinearity of a single signal, and one signal influencing the second signal. This method isthen extended to the time-varying and multivariate cases. An adaptation of an Orthogonal Least Squaresroutine is employed to select the significant terms in the models. A numerical example is provided toillustrate the effectiveness of the new algorithms together with the application to real EEG data collectedfrom 4 patients.
类型
出版物
Journal of Neuroscience Methods, 212(1), 79–86. Elsevier
作者
赵一帆
(he/him)
讲席教授
赵一帆(Yifan Zhao), 宁波东方理工大学力学与机械工程学院讲席教授, 英国皇家工程院工业会士, 英国高等教育学会会士, 2025入选国家级高层次人才计划。曾任英国克兰菲尔德大学航空、交通与制造学院终身教授、博士生导师, 担任全生命周期工程服务实验室主任。2000年与2003年分别获得北京理工大学自动控制专业学士和硕士学位, 2007年获得英国谢菲尔德大学自动控制与系统工程博士学位。累计发表高水平学术论文200余篇, 其中包含IEEE Transactions顶刊论文30余篇, 以及CVPR、MICCAI、CIRP等国际顶级会议论文。出版学术专著6部, 获授权国际专利3项。已培养博士后6人、博士研究生20余人、硕士研究生80余人, 国际访问学者10名。主持和参与多项英国工程与自然科学研究理事会、英国皇家工程院、英国创新署以及空客和捷豹路虎等国际头部企业资助的重大科研项目, 累计经费逾8000万元人民币。在知识转化方面, 其研究成果已成功应用于飞机设计与运维、智能制造、自动驾驶以及智慧建造等领域。