Rezultati

eNauka >  Rezultati >  Classification of Physiological States Through Machine Learning Algorithms Applied to Ultra-Short-Term Heart Rate and Pulse Rate Variability Indices on a Single-Feature Basis
Naziv: Classification of Physiological States Through Machine Learning Algorithms Applied to Ultra-Short-Term Heart Rate and Pulse Rate Variability Indices on a Single-Feature Basis
Autori: Iovino, Marta; Lazic, Ivan M; Loncar-Turukalo, Tatjana G; Javorka, Michal; Pernice, Riccardo; Faes, Luca
Godina: 2024
Publikacija: MEDICON 2023 AND CMBEBIH 2023, VOL 1
ISSN: 1680-0737 Pretraži identifikator
Tip rezultata: Konferencijski rad
Kolacija: vol. 93 str. 114-124
DOI: 10.1007/978-3-031-49062-0_13
WoS-ID: 001261436400013
Scopus-ID: 2-s2.0-85181771981
URI: https://enauka.gov.rs/handle/123456789/935131
Projekat: "Sensoristica intelligente, infrastrutture e modelli gestionali per la sicurezza di soggetti fragili" (4FRAILTY) project - Italian MIUR [PON RI 2014-20, ARS01 00345]
SiciliAnMicronanOTecH Research And Innovation CEnter "SAMOTHRACE" (MUR) [PNRR-M4C2, ECS 00000022]
European Social Fund (ESF) Complementary Operational Programme [(POC) 2014/2020]
Sicily Region
Izvor metapodataka: (Preuzeto iz Nasi u WoS)
M-kategorija: 
Mp kategorija će biti prikazana naknadno.

2
SCOPUSTM
2
OpenCitations
3
WEB OF SCIENCETM
Alt metrika
Dimensions
Unpaywall

Google ScholarTM

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.