Automatic classification of neural spike activity: an application of minimum distance classifiers (Articolo in rivista)

Type
Label
  • Automatic classification of neural spike activity: an application of minimum distance classifiers (Articolo in rivista) (literal)
Anno
  • 2003-01-01T00:00:00+01:00 (literal)
Alternative label
  • Di Maio V. ; Marciano F. (2003)
    Automatic classification of neural spike activity: an application of minimum distance classifiers
    in Cybernetics and systems
    (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori
  • Di Maio V. ; Marciano F. (literal)
Pagina inizio
  • 173 (literal)
Pagina fine
  • 192 (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#altreInformazioni
  • Impact factor e altri parametri valutati relativamente al 2002 poiche' non sono disponibili i dati 2003 (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume
  • 34 (literal)
Rivista
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#note
  • Cybernetics&Systems - ISSN: 0196-9722, Total Cites: 154, ImpactFactor(2002): 0.447, ImmediacyIndex: 0.053, Articles in 2002: 38, Citing Half life: 5.4, Ranking basato su Impact Factor: 11 su 18 riviste\"Comp. Sci. Cyber.\" (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#descrizioneSinteticaDelProdotto
  • Sistema semiautomatico per la identificazione e la classificazione di spikes registrati con tecniche extracellulari da gruppi di neuroni. (literal)
Note
  • ISI Web of Science (WOS) (literal)
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni
  • 1. Istituto di Cibernetica E. Caianiello, CNR, Pozzuoli, Naples, Italy 2.(in pensione) Istituto di Cibernetica E. Caianiello, CNR, Pozzuoli, Naples, Italy (literal)
Titolo
  • Automatic classification of neural spike activity: an application of minimum distance classifiers (literal)
Abstract
  • Electrophysiological recordings of extracellular neuronal activity often produce complex pattern caused both by the simultaneous firing of many neurons in the proximity of the recording electrode and by the superimposition of biological and instrumental noise onto the neural signals. This pattern complexity requires a fast evaluation of the classification results by the experimenter in order to decide how to proceed with the experiment. Euclidean and Mahalanobis minimum distance classifier methods, used in this context, follow a similar approach to the classification problem. A procedure is described by which both methods are applied, tested, and compared using simulated spike populations. The same procedure can be followed when analyzing real spike recordings. (literal)
Prodotto di
Autore CNR
Insieme di parole chiave

Incoming links:


Prodotto
Autore CNR di
Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi
Insieme di parole chiave di
data.CNR.it