 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Li, N., Osborn, M., Wang, G., & Sawan, M. (2016). A digital multichannel neural signal processing system using compressed sensing. Digital Signal Processing: A Review Journal, 55, 64-77. Lien externe
Semmaoui, H., Li, N., Hosseini-Khayat, S., Martinez-Trujillo, J. C., & Sawan, M. (2015). An adaptive recovery method in compressed sensing of extracellular neural recording. Journal of Neurology and Neuroscience, 6(2), 19 (11 pages). Disponible
Li, N., & Sawan, M. (2015). Neural signal compression using a minimum Euclidean or Manhattan distance cluster-based deterministic compressed sensing matrix. Biomedical Signal Processing and Control, 19, 44-55. Lien externe
Li, N., Sawan, M., & Wang, L. (novembre 2019). An efficient adaptive online neural spikes detection and classification engine based on Bayesian inference [Communication écrite]. 6th International Conference on Systems and Informatics (ICSAI 2019), Shanghai, China. Lien externe
Li, N., Osborn, M., Sawan, M., & Fang, L. (mai 2016). Using template matching and compressed sensing techniques to enhance performance of neural spike detection and data compression systems [Communication écrite]. IEEE International Symposium on Circuits and Systems (ISCAS 2016), Montréal, Québec. Lien externe
Li, N., Semmaoui, H., & Sawan, M. (décembre 2013). Modified maximum and minimum spread estimation method for detection of neural spikes [Communication écrite]. 20th IEEE International Conference on Electronics, Circuits, and Systems (ICECS 2013), Abu Dhabi, United Arab Emirates. Lien externe
Li, N. (2016). Compressive Sensing and Multichannel Spike Detection for Neuro-Recording Systems [Thèse de doctorat, École Polytechnique de Montréal]. Disponible
