最新のJupyter Notebooksであなたの信号処理スキルを共有し拡張しましょう。
6月にはいよいよ夏本番、これに合わせて、4つの新しいノートブックのリリースを行い、いくつかのホットなトピックを皆さんにご用意しました。
我々の旅の別のステージにむけてご準備ください、私たちの頭脳の開拓のために新しい神経経路をご紹介します。
5月のニュースレターでは、ノイズが、取得した生体信号の品質や処理結果に与える影響を探りました。
ノイズは、分析中の信号に常に干渉している不要な信号（または一連の信号）とみなすことができます。
しかし、別の現象は、データ処理中の信号とそれぞれの結論に大きな影響を与える可能性があります。
望ましくない情報のもう一つの源であるにもかかわらず、従来のノイズとは対照的に、外れ値は散発的であり、真に破壊的な出来事です。
もし１人の人間が世界を変えることができるというのが本当ならば、同じ考えは、あるデータポイントが物理現象についての解釈を大きく乱す可能性がある生体信号分析にも適用できるでしょう。
この新しい挑戦を乗り越えるために必要なツールを提供することを目的に、6月に発売されたノートブックの一つは、自動的に外れ値を検出するためのいくつかの方法論を提示することに焦点を当てています。Detection of Outliers☍ （外れ値の検出）
このJupyter Notebookのカバー範囲は、従来の統計的アプローチに基づくより単純な方法論と、外れ値を検出するための「教師なしモデル」の作成による強力な機械学習機能を使用した、より複雑な方法論で構成されています。
私たちのチームは、同じようにノイズの研究にも取り組んでいます。: Signal to Noise Ratio Determination☍（SNRの決定）と、デジタルフィルタリングの方法論を用いてノイズの影響を最小化する方法についても研究を続けています。 Digital Filtering - Using filtfilt☍ (デジタルフィルタリング - filtfiltを使用して)
最後に、外れ値と同様に破壊的になるように、我々のチームは、時間的/統計的ドメインからどのようなタイプのパラメータが抽出できるかを提示し、説明することを目的とした、少し異なるJupyterNotebookを用意しました。 Parameter Extraction - Temporal and Statistical Parameters☍.（パラメータ抽出- 時間的/統計的パラメータ）.
PLUXチームは、これらの新しい学習リソースが皆様のお役に立てることを願っています。
TOP > NEWS & TOPICS > 生体情報センサPlux-自宅でeラーニング – これであなたも生体信号をマスター(6月号)