This monography is concerned with permutation entropy (PeEn) as a signal parameter for quantitative analysis of the electroencephalogram (EEG). The work focusses on two aspects: the efficient extraction of ordinal patterns from time series, as well as the interpretability of PeEn in the EEG context. The algorithms presented reduce the runtime of ordinal analysis methods significantly, and thus extend the maximum usable embedding dimension by an order of magnitude. In addition, the identification of characteristic regularities in the probability distributions of ordinal patterns in EEG allow to bridge the gap between PeEn and the Fourier transform.     «

This monography is concerned with permutation entropy (PeEn) as a signal parameter for quantitative analysis of the electroencephalogram (EEG). The work focusses on two aspects: the efficient extraction of ordinal patterns from time series, as well as the interpretability of PeEn in the EEG context. The algorithms presented reduce the runtime of ordinal analysis methods significantly, and thus extend the maximum usable embedding dimension by an order of magnitude. In addition, the identification...     »

Diese Monographie befasst sich mit der Permutationsentropie (PeEn) als Signalparameter für die quantitative Analyse des Elektroenzephalogramms (EEG). Es stehen zwei Aspekte im Vordergrund: die effiziente Gewinnung ordinaler Muster aus Zeitreihen, sowie die Interpretierbarkeit der PeEn im Kontext des EEG. Die vorgestellten Algorithmen verkürzen die Laufzeit ordinaler Verfahren deutlich, und erhöhen so die maximal nutzbare Einbettungsdimension um eine Größenordnung. Ferner gelingt durch den Nachweis charakteristischer Regelmäßigkeiten in den Wahrscheinlichkeitsverteilungen der ordinalen Muster des EEG ein Brückenschlag zwischen PeEn und Fouriertransformation.     «

Diese Monographie befasst sich mit der Permutationsentropie (PeEn) als Signalparameter für die quantitative Analyse des Elektroenzephalogramms (EEG). Es stehen zwei Aspekte im Vordergrund: die effiziente Gewinnung ordinaler Muster aus Zeitreihen, sowie die Interpretierbarkeit der PeEn im Kontext des EEG. Die vorgestellten Algorithmen verkürzen die Laufzeit ordinaler Verfahren deutlich, und erhöhen so die maximal nutzbare Einbettungsdimension um eine Größenordnung. Ferner gelingt durch den Nachwe...     »