Advanced Methods of Physiological System Modeling: Volume 3
Editat de V.Z. Marmarelisen Limba Engleză Paperback – 29 apr 2013
Preț: 691.42 lei
Preț vechi: 727.80 lei
-5%
Puncte Express: 1037
Carte tipărită la comandă
Livrare economică 14-28 iulie
Livrare prin curier în România Termenul estimat este afișat lângă disponibilitate.
Transport gratuit pentru acest produs Plată online sau ramburs, în funcție de opțiunile comenzii.
Retur gratuit în 14 zile Comandă securizată și suport în română.
Specificații
ISBN-13: 9781475790269
ISBN-10: 1475790260
Pagini: 288
Ilustrații: XII, 272 p.
Dimensiuni: 178 x 254 x 15 mm
Greutate: 0.5 kg
Ediția:Softcover reprint of the original 1st ed. 1994
Editura: Springer Us
Colecția Springer
Locul publicării:New York, NY, United States
ISBN-10: 1475790260
Pagini: 288
Ilustrații: XII, 272 p.
Dimensiuni: 178 x 254 x 15 mm
Greutate: 0.5 kg
Ediția:Softcover reprint of the original 1st ed. 1994
Editura: Springer Us
Colecția Springer
Locul publicării:New York, NY, United States
Public țintă
ResearchCuprins
Nonlinear Modeling of Physiological Systems Using Principal Dynamic Modes.- Experimental Basis for an Input/Output Model of the Hippocampal Formation.- Computational Methods of Neuronal Network Decomposition.- An Extension of the M-Sequence Technique for the Analysis of Multi-Input Nonlinear Systems.- Examples of the Investigation of Neural Information Processing by Point Process Analysis.- Testing a Nonlinear Model of Sensory Adaptation with a Range of Step Input Functions.- Identification of Nonlinear System with Feedback Structure.- Identification of Multiple-Input Nonlinear Systems Using Non-White Test Signals.- Nonlinear System Identification of Hippocampal Neurons.- Parametric and Nonparametric Nonlinear Modeling of Renal Autoregulation Dynamics.- Identification of Parametric (NARMAX) Models from Estimated Volterra Kernels.- Equivalence between Nonlinear Differential and Difference Equation Models Using Kernel Invariance Methods.- On Kernel Estimation Using Non-Gaussian and/or Non-White Input Data.- On the Relation between Volterra Models and Feedforward Artificial Neural Networks.- Three Conjectures on Neural Network Implementations of Volterra Models (Mappings).- Contributors.