Real-time EEG and Magnetometer Data
Notice bibliographique
Résumé
Harmonic Synchrony Subjects.zip Dataset to recreate portions of Figures 7 and 8. These datasets are MATLAB workspaces which contain simultaneous measurements of the earth-ionosphere ultra-low frequency (ULF) activity and 19 channel quantitative electroencephalographs for 3 subjects. Subjects marked local indicate that ULF activity was monitored simultaneously in Sudbury, Canada while non-local indicates that the e-field measured in Cumiana, Italy. See links below for live data from both stations. The variables in the workspaces are: 1) Raw_19ChanEEG_Mag_Refiltered Contains the raw data (19 brain leads + magnetometer) which has been filtered with eegfiltfft.m between 1.5 and 40 Hz. First 19 columns indicate brain channels 1. Fp1 2. Fp2 3. F7 4. F3 5. Fz 6. F4 7. F8 8. T3 9. C3 10. Cz 11. C4 12. T4 13. T5 14. P3 15. Pz 16. P4 17. T6 18. O1 19. O2 20. Induction Coil Magnetometer 2) srate Sampling rate used during data collection 3) Fig(x) left/right This indicates the temporal periods (in seconds) in the time series from which left or right components of Figures 7 or 8 can be reproduced exactly. 4) cRMS The integrated root-mean-square of the posterior channels which can be derived using the MATLAB expression >>[new variable]=transpose(sqrt(mean(transpose(x(:,13:19).^2))))"] where x is the "Raw_19Chan..." variable. 5)Mag This is the induction coil magnetometer/Marconi antenna data only 6) cRMS_Mag This is the integrated cRMS and induction coil data organized into two rows (1=cRMS, 2=mag). It is this signal that can be entered into the cross-coherence function within EEGLab.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,083 | 0,072 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».