天池-心跳信号预测数据集

这是我大三课程“模式识别”期末课设，里面包含样本集、目标测试集 一维时间序列的预测项目，里面包含已经训练好的94%准确率的模型可供你做迁移学习

TOBIAS-通过研究ATAC-seq信号预测转录因子的占有率 介绍 ATAC-seq（使用高通量测序进行转座酶可及性染色质测定）是用于研究全基因组染色质可及性的测序测定法。 该测定法应用Tn5转座酶将测序接头插入可利用的染色质中，从而能够绘制出基因组中调控区域的图谱。 另外，Tn5插入的局部分布还包含有关转录因子结合的信息，这是由于在被蛋白质结合的位点周围的插入处可见插入而导致的，这被称为“足迹” 。 TOBIAS是用于对ATAC-seq数据执行足迹分析的命令行生物信息学工具的集合，包括： Tn5插入偏差的校正 计算监管区域内的足迹得分 估计结合/未结合的转录因子结合位点 可视化不同条件之内和之间的足迹 有关每种工具的信息，请参见 。 安装 TOBIAS是作为python软件包编写的，可以通过pip快速安装： $ pip install tobias TOBIAS还可以通过Bio

信道预测matlab代码袖带血压预测 该存储库托管使用两种方法根据ECG和PPG信号预测血压的代码。 使用机器学习方法进行特征提取和回归。 基于深度学习的回归。 入门： 克隆此仓库： git clone https://github.com/jeya-maria-jose/Cuff_less_BP_Prediction cd Cuff_less_BP_Prediction 资料集： 数据集： 该数据库由矩阵的单元格阵列组成，每个单元格都是一个记录部分。 在每个矩阵中，每一行对应一个信号通道： 1：PPG信号，FS = 125Hz; 指尖的光电容积描记器 2：ABP信号，FS = 125Hz； 有创动脉血压（mmHg） 3：ECG信号，FS = 125Hz; 来自通道II的心电图 用于我们的实验的UCI存储库中数据的处理后的版本： 根据Kauchee等人对阈值设置阈值后，已清理的文件夹包含BP记录。 2017年 GT包含基本事实SBP，DBP，MAP和类别编号（取决于阈值）。 忽略class列，因为该类列尚未用于论文中报告的任何实验。 数据文件夹是从UCI存储库中提取的全部数据。 基于特

LSSVM_Prediction 通过将LSSVM与PSO和PSR结合使用进行信号预测 纸张来源 董少江，罗天宏，基于PCA和优化LS-SVM模型的轴承老化过程预测，测量，2013.06 准备工作 matlab，LSSVM工具箱，EMD工具箱 执行 1.将LSSVM工具箱添加到以下路径：D：\ Program Files \ MATLAB \ R2015b \ toolbox，然后在matlab中设置该文件夹的路径； 2.打开pack_emd \ package_emd，运行： install_emd.m 3.打开此代码： test_psr_pso.m 4，选择ECG数据集以运行代码 结果 我们关注的是绿线，蓝色是PCA之后的原始数据，而橙色线是单步预测，而绿线是多步预测。 从这个结果，我们发现LSSVM擅长捕获心电图数据的特征。 补充说明 该LSSVM模型使用PSR（相空间重构

卷积神经网络和功能性近红外光谱信号对癫痫发作的预测 请引用为：Rosas-Romero，R.，Guevara，E.，Peng，K.，Nguyen，DK，Lesage，F.，Pouliot，P.，and Lima-Saad，W.-E. （2019）。 与卷积神经网络和在生物学和医学功能近红外光谱信号的计算机癫痫发作的预测，111，103355. MATLAB中CNN的实现，用于癫痫发作的预测。 描述 该实现旨在解决二进制分类问题。 它可以轻松修改以解决多类问题。 该实现解决了癫痫发作的预测； 但是，可以轻松对其进行修改以解决其他应用程序。 主要代号 MAIN_CNN_CODE.m 评论 主要代码调用子例程： Data.m （获取观察值）， SAMPLING.m （生成发作间和发作前集合），Crossvalidation.m（生成用于训练，测试和验证的集合）， parametersCNN.m

基于人工神经网络的信号预测在Matlab中的研究与实现