Abstract: N. P. Subramaniyam, J. Hyttinen (2014)

In this letter, we study the influence of observational noise on recurrence network (RN) measures, the global clustering coefficient (C) and average path length (L) using the Rössler system and propose the application of RN measures to analyze the structural properties of electroencephalographic (EEG) data. We find that for an appropriate recurrence rate (RR>0.02RR>0.02) the influence of noise on C can be minimized while L is independent of RR for increasing levels of noise. Indications of structural complexity were found for healthy EEG, but to a lesser extent than epileptic EEG. Furthermore, C performed better than L in case of epileptic EEG. Our results show that RN measures can provide insights into the structural properties of EEG in normal and pathological states.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Characterization of dynamical systems under noise using recurrence networks: Application to simulated and EEG data