心拍間隔 ~心臓の鼓動間隔に注目~ まずはじめに、心臓の鼓動の時間間隔である心拍間隔という概念を理解しておきます。横になる等安静にしているときは心臓の鼓動が「遅く」なり、運動した時や緊張した時には心臓の鼓動が「速く」なる事は誰しもが体感していることです。この心臓の鼓動が「速い」、「遅い」を表現する方法として、拍動の一拍と次の一拍の間の時間である心拍間隔を考えてみます。心臓の鼓動が速いときは、ドックン、ドックンの間隔が短いわけですから、心拍間隔時間は小さくなります。反対に、心臓の鼓動が遅いときは、ドックン、ドックンの間隔が長くなるわけですから、心拍間隔時間は大きくなります。 心臓の機能を調べるためによく利用される「心電図」をつかって心拍間隔を確認しておきます。下の図を参照してください。まず、図の上側に、心電図(ECG)と呼ばれる心臓が”ドックン”となる時に発生する電気信号のイメージ図を載せて
デルタパラメータとは? † 音声認識の際、動的な特徴をあらわす指標として使われる。 初出は Furui, 1986.*1 意義 中川, 2000.*2 より引用 スペクトルの時間方向の動的変化の特徴は音声認識にとって重要なパラメータであり、これを回帰モデルでモデル化し、1次回帰係数(Δケプストラム)、2次回帰係数(ΔΔケプストラム)と呼ばれ広く用いられている(隣接スペクトルの差分もΔケプストラムと呼ばれており、同様に効果がある) 和田ら, 2002.*3 より引用 デルタケプストラムは、ケプストラムの時間変化の微分を差分ベクトルにより近似した動的特徴量である。(略) LPCケプストラムを取り除きデルタケプストラムのみを特徴量として用いることで耐雑音性が改善されると考えられる。しかしながらデルタケプストラムのみを特徴量とするには母音などの定常に近い音声の認識に不安を残す。 計算方法 HTK
〒615-0882 京都市右京区西京極葛野町38 Copyright © Kyoto Koka Women's University All Right Reserved.
図2のような、誤差を含むデータ(X,Y)を計測したとします。 近似関数をつくり、計測点以外のデータを取り出したい場合、最小2乗法がよく使われます。 図2 計測点列の例題 一般的には最小2乗法の近似関数はn次関数にします。ここでは、3次関数で近似しようと思います。 近似関数を f(X) = aX3 + bX2 + cX + d ・・・・・ (1) とおきます。 次数が高いほど、点列に近い近似関数がつくれます。しかし、次数が高すぎると誤差を拾う可能性があり、 ほどほどの次数にする必要があります。 最小2乗法は点列の近辺を通るなめらかな近似関数をつくります。そのため、誤差を含むデータの近似方法 としては良い方法です。 計測点列を絶対に通る近似関数を作りたい場合は、ラグランジュの補間法、スプラインの補間法等をつかいます。 最小2乗法では、n次関数以外の関数も適応できます。
男性では多量飲酒者、女性では中程度以上の飲酒者に肝がんリスクの上昇がみられる 各コホートの合計約17.5万人(男性9万人、女性8.5万人)のアンケート調査から得られたアルコール摂取量によって、「全く飲まない」人、「たまに飲む(週1回未満)」人、「飲む」人にグループ分けしました。さらに「飲む」人のグループは1日あたりのアルコール摂取量(g/日)によって、男性については「0.1-22.9」、「23.0-45.9」、「46.0-68.9」、「69.0-91.9」、「92.0以上」の5つのグループに、女性については「0.1-22.9」、「23.0以上」の2つのグループに分けました。平均で10.4年から13.6年の追跡期間中に、男性605人、女性199人が肝がんと診断されました。飲酒頻度が週1回未満の「たまに飲む」グループを基準にして、他のグループの肝がんリスクをハザード比というかたちで比較しました
透析室に勤務している臨牀工学技士です。 日々の不満や、色々と調べてみた事を綴ります。 医療従事者の一人として、プロフェッショナルでありたい、と考えています。 未熟者ですが、よろしくお願いします。 『信頼性の統計学』を読んでいて・・・ そういえばそうだなぁと感じた事が、研究会等で見かけるスライドのグラフについてです。 ほとんどの場合mean±SD(平均値±標準偏差)で示されているわけですが・・・ 正規分布を考えると、mean±1SDでは全データの68.3%、まぁ約2/3が含まれている事になるわけです。 mean±2SDであれば、95.5%が含まれている事になります。 『信頼性の統計学』の中では、「mean±SDでは68%信頼区間にし過ぎず誤解を招く」とし、95%信頼区間で示す様にと述べています。 mean±SDが慣習的に使われているのってなぜなのでしょうね。 その方が見易いから、でしょうか?
2004年3月をもって、5年間のプロジェクト(文部科学省振興調整費目標達成型脳科学研究「視覚系のニューロインフォマティクスに関する研究」が終了した。「ニューロインフォマティクス」とは、脳神経科学と情報科学を融合し、脳の構造と機能の解明のみならず脳疾患の治療、新しい情報技術の創出など多方面での発展が期待されるIT時代の脳科学研究の一分野である。中でも視覚系は脳科学においても格段に研究が進んでおり、我が国においても、網膜・視覚生理や視覚高次機能、視覚認知機能などに関する多くの優れた研究者が活躍されている。一方、最近の人ロボットの開発においても、視覚機能の高次化やマルチモーダル情報統合機能の実現が期待されており、その開発の基本となる文献情報、実験データなど関連情報のデータベース化、さらには、それらの知見を統合・記述した数理モデルの構築が必須と考えられる。 そんな中、米国NIHのHBP(Human
ロジスティック回帰(ロジスティックかいき、英: Logistic regression)は、ベルヌーイ分布に従う変数の統計的回帰モデルの一種である。連結関数としてロジットを使用する一般化線形モデル (GLM) の一種でもある。1958年にデイヴィッド・コックス(英語版)が発表した[1]。確率の回帰であり、統計学の分類に主に使われる。医学や社会科学でもよく使われる[要出典]。 モデルは同じく1958年に発表された単純パーセプトロンと等価であるが、scikit-learnなどでは、パラメータを決める最適化問題で確率的勾配降下法を使用する物をパーセプトロンと呼び、座標降下法や準ニュートン法などを使用する物をロジスティック回帰と呼んでいる。 概要[編集] ロジスティック回帰モデルは以下のような形式である。x が入力で、pが確率(出力)、αとβがパラメータ。
まず散布図を書きます マーカーの上で(どれでもいい)、右クリックしてメニューを出します。 データ系列の書式設定 を選択 縦方向のエラーバーを付けるときは Y誤差範囲を選びます。 1.一律にエラーバーを付ける 一律にエラーバーを付けるのは、全て同じ長さでエラーバーを付けるΔy=一定)、全て同じ割合でエラーバーを付ける(Δy/y=一定)などが選べます。 以下の例は同じ割合(パーセンテージ)を選んでいます。 OKを押すと、以下のようになります。 横方向のエラーバーもX誤差範囲を選べば付けることが出来ます。 以下の例では、固定値(0.5)で横方向のエラーバーを書いています。 2.個別にエラーバーを付ける 誤差の量がデータ点ごとに決まっている場合は以下のようにします。 以下の例は時間とx方向位置の関係で、xの大きい方向の誤差をx+の欄に、小さい方向の誤差をx-の欄に書いてあります。 マーカー
フーリエ変換については、高速アルゴリズムがソースコードの形で、あちこちに公開されています。ただ使い方(パラメータの与え方や結果の見方)の敷居が高いことも単純にあると思うので、その辺を簡単に説明したいと思います。 のように呼ばれるとします。Reは信号の実数部を格納するための配列、Imは信号の虚数部を格納するための配列、sizeはReとImのデータ数です。実数部、虚数部というのは、フーリエ変換後の周波数領域で位相(sin波の進み遅れ)を含めた波の状態を表すために複素数を用いることから必要になります。 例えば、処理したい信号が256個(高速アルゴリズムはデータ個数に2のべき乗を要求するので単純に合わせました)のデータだとすると、まずRe(実数部)に256個の信号を格納します。そしてIm(虚数部)には256個の零を格納します(時間領域の波形や空間領域の画像は実数データなので、複素数データに格納する
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く