Nehany eszkoz bemutatasa, ami neuronalis jelek elemzesehez hasznos lehet

1. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A jelt½ l a jelenségig
o
Telcs András
1 Department
of Computer Science and Information Theory
Budapest University of Technology and Economics
Budapest, Hungary
June 13, 2013
Hálók

2. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Áttekintés
Digitális jelek:
Id½ sorok
o
Mintázatok
Osztályozás
Hálók

3. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Áttekintés
Digitális jelek:
Id½ sorok
o
Mintázatok
Osztályozás
Hálók

4. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Osztályozás
Hálók

5. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés
Osztályozás
Hálók

6. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
Osztályozás
Hálók

7. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
Kernel módszerek,
Osztályozás
Hálók

8. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Osztályozás
Hálók

9. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés
Osztályozás
Hálók

10. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Hálók

11. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés
o
Hálók

12. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Hálók

13. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Hálók

14. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Hálók

15. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
Hálók

16. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA)
Hálók

17. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA) Granger kauzalitás - (TA)
Hálók

18. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA) Granger kauzalitás - (TA)
Hálók

19. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Hálók

20. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Hálók

21. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Hálók

22. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Sémakeresés
Hálók

23. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Sémakeresés
Hálózatok elmélete (TA)
Hálók

24. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Sémakeresés
Hálózatok elmélete (TA)
Hálók

25. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
Osztályozás
Hálók

26. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
MRI,fMRI
Osztályozás
Hálók

27. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
MRI,fMRI
Szondák invivo, invitro
Osztályozás
Hálók

28. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
MRI,fMRI
Szondák invivo, invitro
Osztályozás
Hálók

29. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Osztályozás
Hálók

30. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók

31. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók

32. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók

33. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Kérdések:
Epilepszia - szinkronizáció-csatolás-szétcsatolás (más pl.
skizofrénia)
Gátló sejtek szerepe
Hálók

34. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Kérdések:
Epilepszia - szinkronizáció-csatolás-szétcsatolás (más pl.
skizofrénia)
Gátló sejtek szerepe
Hálók

35. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
Hálók

36. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
Hálók

37. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
ebb½ l kéne f :
o
Hálók

38. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
ebb½ l kéne f :
o
Hálók

39. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)

40. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
m (X ) = E (Y jX ) ;
(1)

41. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)
m (X ) = E (Y jX ) ;
m (x) a legjobb (1) -t minimalizáló függvény, ez a regressziós
függvény.

42. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)
m (X ) = E (Y jX ) ;
m (x) a legjobb (1) -t minimalizáló függvény, ez a regressziós
függvény.

43. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Nem paraméteres el½ rejelzés
o
Osztályozás
Hálók

44. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Nem paraméteres el½ rejelzés
o
Osztályozás
Hálók

45. Áttekintés
Az alapötlet
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók

46. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Hálók

47. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
Hálók

48. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
Hálók

49. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
az ilyen Y -k átlaga.
Hálók

50. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
az ilyen Y -k átlaga.
Hálók

51. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Két id½ sorra
o
X "háttér információ" Y -ra
Osztályozás
Hálók

52. Áttekintés
Két id½ sor
o
késleltetés?
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók

53. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Irány?
Késleltetés, kauzalitás?
Osztályozás
Hálók

54. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Irány?
Késleltetés, kauzalitás?Granger
Osztályozás
Hálók

55. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Irány?
Késleltetés, kauzalitás?Granger
Osztályozás
Hálók

56. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Granger kauzalitás
Osztályozás
Hálók

57. Áttekintés
Korreláció
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók

58. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
Hálók

59. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!
dCorr

60. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr

61. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr

62. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr

63. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Hálók

64. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Megjegyzés
dCorr imdája a magas dimenziót
Hálók

65. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Megjegyzés
dCorr imdája a magas dimenziót
Hálók

66. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
Hálók

67. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
kauzalitását
és ennek a Granger
Hálók

68. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
kauzalitását
és ennek a Granger
Hálók

69. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
Osztályozás
Hálók

70. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
Osztályozás
Hálók

71. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
a posteriori valószín½ ség
u
Pi (x) = PfY = ijX = xg:
Hálók

72. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
a posteriori valószín½ ség
u
Pi (x) = PfY = ijX = xg:
Hálók

73. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
Pi (x) közelítése Pi (x)-nek
Hálók

74. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
b
Pi (x) közelítése Pi (x)-nek ezzel g
~
b
g (x) = arg max Pi (x):
i
Hálók

75. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
b
Pi (x) közelítése Pi (x)-nek ezzel g
~
b
g (x) = arg max Pi (x):
i
Hálók

76. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Ötlet
b
Legyen Pi (x) mint el½ bb a hasonlóak átlaga
o
P (bn (X ) 6= Y ) ! L
g
Hálók

77. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók

78. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók

79. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók

80. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Osztályozás
Hálók

81. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index
Osztályozás
Hálók

82. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Osztályozás
Hálók

83. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban
Osztályozás
Hálók

84. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Osztályozás
Hálók

85. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Osztályozás
Hálók

86. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Osztályozás
Hálók

87. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés
Osztályozás
Hálók

88. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Osztályozás
Hálók

89. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás
Osztályozás
Hálók

90. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Osztályozás
Hálók

91. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index
Osztályozás
Hálók

92. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index (Bazso, Banyai)
Osztályozás
Hálók

93. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index (Bazso, Banyai)
Osztályozás
Hálók

94. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Hálók

95. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Szinkron-deszinkron.
Hálók

96. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Szinkron-deszinkron.
Hálók

97. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Alvás
Kérdés:Miert olyan jó alvók a macskák?
Osztályozás
Hálók

98. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:Miert olyan jó alvók a macskák? El kéne lesni!
Hálók

99. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:Miert olyan jó alvók a macskák? El kéne lesni!
Hálók

100. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Köszönöm a …gyelmet!
Osztályozás
Hálók