@article{oai:nitech.repo.nii.ac.jp:00003712,
 author = {石井, 直宏 and 岩田, 彰 and 鈴村, 宣夫 and 杉本, 英行},
 issue = {12},
 journal = {電子通信学会論文誌. D},
 month = {Dec},
 note = {非定常な時系列は地震，音声，経済変動および生体電気活動など多くの分野で見い出される．これらの非定常な時系列から意味のある情報を抽出すること，あるいはこれらの時系列から系の状態を分類すること，及び系の状態を予測することなどの問題がしばしば生じる．本論文では，これらの問題のうち非定常な時系列の分類の問題をとりあげた．具体的に非定常な時系列として睡眠脳波時系列について検討した．はじめに非定常な睡眠脳波時系列を定常部分系列に分割するようなセグメンテーション（区画化）の方法として，時系列のスペクトル誤差量とKullback情報量を導入した．このときKullback情報量がスペクトル情報を推定するための最ゆう法による適合誤差尺度，更には最ゆう法による残差のゆう度比と等価な量となることを導いた．次にこの残差のゆう度比によって一晩中の睡眠脳波の識別を行い，睡眠段階の分類づけをした．, application/pdf},
 pages = {901--908},
 title = {自己回帰モデルによる睡眠脳波時系列の分類},
 volume = {J61-D},
 year = {1978},
 yomi = {イワタ, アキラ}
}