Embedded Files
研究興趣
研究興趣
生理訊號處理與分析 (ECG, PPG, ABP, etc)
心率變異度與脈率變異度
經驗模態分解法
熵於時間序列之應用
特徵擷取演算法開發
時間解析度限制
時間解析度限制
本人研究致力於突破傳統方法計算時間序列指標時，受到時間解析度(temporal resolution)限制，導致可觀測資訊量少。經結合經驗模態分解法與相關演算法改良，使其更適用於非穩態訊號，並可獲得高時間解析度之指標，更適合用來進行機器學習建模或AI學習。
內在熵 (Intrinsic Entropy, IE)
內在熵 (Intrinsic Entropy, IE)
一種基於經驗模態分解法(Empirical mode decomposion, EMD)與頻譜熵(Spectral entropy)的瞬時熵測量方法。此法適用於非穩態訊號，不需要設定時間窗口(Time window)以及重疊率(Overlapping ratio)，即可測量時間序列隨時變的熵變化。
Reference:
Entropy in time series history
Entropy in time series history
Page updated
Google Sites
Report abuse