Chaotic time-series analysis
Descriptors for analysis of Chaotic Time Series
Type of document
disertační prácedoctoral thesis
Author
Lucie Tylová
Supervisor
Kukal Jaromír
Opponent
Sovka Pavel
Field of study
Matematické inženýrstvíStudy program
Aplikace přírodních vědInstitutions assigning rank
katedra softwarového inženýrstvíRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Disertační práce je zaměřena na nové metody popisu chování chaotických časových řad a na zlepšení tradičních přístupů pomocí korekce na opakované testování hypotéz nebo robustních a vícerozměrných statistických metod. Vyvinuté deskriptory jsou použity ke zpracování vícekanálových EEG dat a jejich efektivita je demonstrována pomocí statistického testování hypotéz, které hodnotí rozdíly mezi pacienty s Alzheimerovou chorobou a pacienty bez neurodegenerativních onemocnění mozku. The thesis is focused on novel methods describing the behaviour of chaotic time series and how to improve traditional approaches using multiple-testing corrections, robust, and multivariate statistical methods. Developed descriptors are applied to multichannel EEG data, and their efficiency is demonstrated on statistical testing of the differences between patients with Alzheimer's disease and control normals without neurodegenerative diseases.
Collections
- Disertační práce - 14000 [256]