( en | de | ru )

 

Disambiguierung von "Cong, Fengyu"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Linking Brain Responses to Naturalistic Music Through Analysis of Ongoing EEG and Stimulus Features.

, , , , , , , , , , und . IEEE Trans. Multim., 15 (5): 1060-1069 (2013)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Martha Congehl

Irene Congehl

Salvador Congost Zimmermann

Lina Cong

Daniel Congreve

 

Weitere Publikationen von Autoren mit dem selben Namen

Blind speech signal separation based on non-stationary and colored characteristics., , , , und . ISSPA, Seite 491-494. IEEE, (2005)Multi-domain feature analysis for depression: A study of N170 in time, frequency and spatial domains simultaneously., , , , , und . EMBC, Seite 5986-5989. IEEE, (2013)Double coupled canonical polyadic decomposition of third-order tensors: Algebraic algorithm and relaxed uniqueness conditions., , , und . Signal Process. Image Commun., (2019)Dimension reduction for individual ica to decompose FMRI during real-world experiences: principal component analysis vs. canonical correlation analysis., , , , , , , und . ESANN, (2013)Data model conversion for independent component analysis to extract brain signals., und . iCAST, Seite 187-192. IEEE, (2011)Multi-domain Feature of Event-Related Potential Extracted by Nonnegative Tensor Factorization: 5 vs 14 Electrodes EEG Data., , , , , , und . LVA/ICA, Volume 7191 von Lecture Notes in Computer Science, Seite 502-510. Springer, (2012)Higher-order Nonnegative CANDECOMP/PARAFAC Tensor Decomposition Using Proximal Algorithm., , und . ICASSP, Seite 3457-3461. IEEE, (2019)Fast and effective model order selection method to determine the number of sources in a linear transformation model., , , , und . EUSIPCO, Seite 1870-1874. IEEE, (2012)Generation of stimulus features for analysis of FMRI during natural auditory experiences., , , , , , und . EUSIPCO, Seite 2490-2494. IEEE, (2014)Generalization of Linked Canonical Polyadic Tensor Decomposition for Group Analysis., , , und . ISNN (2), Volume 11555 von Lecture Notes in Computer Science, Seite 180-189. Springer, (2019)