XiaoMi-AI文件搜索系统
World File Search System不对称
tsception：捕获脑电图识别脑电图的时间动力和空间不对称
摘要 - 高时间分辨率和不对称空间激活是大脑中脑电图（EEG）的基本属性。为了学习脑电图对准确和普遍的情绪识别的时间动态和空间不对称性，我们提出了Tsception，这是一种多尺度的卷积神经网络，可以从EEG分类情绪。tsception由动态时间，不对称空间和高级融合层组成，它们同时学习时间和通道尺寸。动态时间层由多尺度的1D卷积内核组成，其长度与EEG的采样率有关，EEG学习了EEG的动态时间和频率表示。不对称的空间层利用了情绪的不对称脑电图模式，学习歧视性的全球和半球表示。学习的空间表示将被高级融合层融合。使用更广泛的交叉验证设置，在两个公开可用的数据集DEAP和MAHNOB-HCI上评估了所提出的方法。将所提出的网络的性能与先前报道的方法（例如SVM，KNN，FBFGMDM，FBTSC，无监督学习，DeepConvnet，ShallowConvnet和Eegnet）进行了比较。tsception达到了更高的分类精度和F1评分。这些代码可在以下网址提供：https：//github.com/yi-ding-cs/tseption
验证可穿戴 MUSE 耳机的脑电图频谱分析和额叶阿尔法不对称
摘要 — EEG 功率谱密度 (PSD)、个体 alpha 频率 (IAF) 和额叶 alpha 不对称 (FAA) 都是 EEG 频谱测量，已广泛用于评估实验和临床环境中的认知和注意力过程，并且可用于现实世界的应用（例如远程 EEG 监测、脑机接口、神经反馈、神经调节等）。高密度 EEG 记录系统的成本高、移动性低、准备时间长，这些因素限制了其潜在应用。低密度可穿戴系统解决了这些问题，并可以增加对更大和多样化样本的访问。本研究测试了低成本、4 通道可穿戴 EEG 系统 (MUSE) 是否可用于快速测量连续 EEG 数据，从而产生与研究级 EEG 系统 (64 通道 BIOSEMI Active Two) 相似的频率分量。我们将参考乳突的 MUSE EEG 数据的频谱测量与具有两个不同参考的 BIOSEMI EEG 数据的频谱测量进行比较以进行验证。我们特意收集了最少量的数据来测试实际应用的可行性（EEG 设置和数据收集在 5 分钟内完成）。我们表明 MUSE 可用于检查所有频带的功率谱密度 (PSD)、单个 alpha 频率 (IAF；即峰值 alpha 频率和 alpha 重心) 和额叶 alpha 不对称。此外，我们观察到使用 MUSE 记录的 alpha 功率和不对称测量具有令人满意的内部一致性可靠性。估计 PAF 和 CoG 频率上的不对称性与传统方法（整个 alpha 波段）相比没有产生显着优势。这些发现应推动在大量参与者样本中使用可穿戴神经技术进行人类神经生理监测，并提高其在现实环境中实施的可行性。关键词——可穿戴 EEG、功率谱密度、频域、信号验证、额叶 alpha 不对称、单个 alpha 频率 (IAF)。
根本原因分析的不对称沙普利值的理论评估
摘要 - 在这项工作中，我们检查了不对称的沙普利谷（ASV），这是流行的Shap添加剂局部解释方法的变体。ASV提出了一种改善模型解释的方法，该解释结合了变量之间已知的因果关系，并且也被视为测试模型预测中不公平歧视的一种方法。在以前的文献中未探索，沙普利值中的放松对称性可能会对模型解释产生反直觉的后果。为了更好地理解该方法，我们首先展示了局部贡献如何与降低方差的全局贡献相对应。使用方差，我们演示了多种情况，其中ASV产生了违反直觉归因，可以说为根本原因分析产生错误的结果。第二，我们将广义添加剂模型（GAM）识别为ASV表现出理想属性的限制类。我们通过证明有关该方法的多个理论结果来支持我们的学位。最后，我们证明了在多个现实世界数据集上使用不对称归因，并使用有限的模型家族进行了使用梯度增强和深度学习模型的结果进行比较。索引术语 - 解释性，摇摆，因果关系
基于两个不同的不对称算法加密量的银行数据安全系统
摘要保护银行基础设施内的私人财务数据在数字时代至关重要。为了为银行提供可靠有效的数据安全系统，本研究调查了RSA与ECC一起的组合。为了提高数据传输安全性，简化密钥管理并保证可信赖的身份验证，RSA，以其在数字身份验证和密钥交换方面的历史相关性而认可，而ECC及其对资源系统约束的有效性和适应性的ECC已集成。通过加强金融机构中的数据完整性，数据身份验证和机密性，这种集成的方法努力保护诸如客户帐户信息之类的资产。该策略通过融合RSA的弹性和ECC的有效性来解决现代银行业务所面临的困难，并提供了适应不断变化的安全要求所需的知识。随着更多的研究，这种合并策略将成为现代银行安全方法的支柱。关键字：RSA，ECC，数据传输，密钥管理，机密性1）在当今数字占用的情况下引入，以有担保的方式维护货币信息已成为银行基础架构内的小时。银行存储和保留了大量敏感数据，包括用户的帐户详细信息，财务记录和个人身份信息。但是，为了加强对各种网络黑客攻击者构成的脆弱性和威胁的防御，银行必须实施复杂而多层的隐私技术。一种这样的方法是两种大量使用的非对称加密算法的集成实现：RSA和ECC。这项研究研究了RSA和ECC的综合实施，以为银行建立强大而有效的数据安全系统。通过充分利用这两种不同的不对称技术的好处，银行可以强化自己的网络威胁金字塔。这种集成可以简化安全的数据通信，简化的密钥管理和可靠的身份验证技术，这都是现代银行安全基础架构的关键方面。由于RSA算法的可靠性和精通工作，它已在数字签名的范围内使用，并在相当长的一段时间内使用了密钥交换。，而有效且成本 -
带有不对称输出组合的ku波段gan-on-si mmic功率放大器
摘要：在本文中，提出了基于硅（gan-on-on-si）上基于氮化壳的KU波段主动雷达应用的微波整体整合电路（MMIC）高功率放大器（HPA）。设计基于三阶段的体系结构，并使用Ommic Foundry提供的D01GH技术实施。以及稳定性和热分析提供了有关最大化交付功率的体系结构定义和设计过程的详细信息。为了优化放大器性能，输出组合仪中包含了不对称性。实验结果表明，HPA达到39.5 dBM脉冲模式输出功率，峰值线性增益为23 dB，排水效率为27％，并且在16-19 GHz频率范围内具有良好的输入/输出匹配。芯片区域为5×3.5 mm 2，用于测量值安装在定制模块上。这些结果表明，基于GAN-on-SI的固态功率放大器（SSPA）可用于实现KU波段活动雷达。
使用不对称寡核苷酸 1 对大西洋鲑鱼进行基因编辑改进
。CC-BY-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2021 年 2 月 9 日发布了此版本。；https://doi.org/10.1101/2021.02.08.430296 doi: bioRxiv preprint
特发性脊柱侧弯女性的侧半规管不对称
晚发型或青少年特发性脊柱侧弯 (AIS) 是一种三维脊柱异常，在 10 至 16 岁儿童中发病率为 1–3%[1–4]。由于 AIS 的病因不明[5]，干预措施针对的是解剖结构畸形，而不是畸形的根本原因。最近的证据表明，前庭系统可能在 AIS 的病因中发挥作用[6–9]，因为它会影响下丘脑、小脑和前庭脊髓通路[10]。前庭系统由耳石器和三个正交半规管 (SCC) 组成 [11]。每个半规管都与对侧的半规管协同工作。角加速度会导致 SCC 内的毛细胞偏转，从而提供有关运动方向和强度的传入信号 [12, 13]。这些信号共同有助于平衡和姿势控制。角加速度敏感性与管道形态直接相关 [14]，这表明任何结构异常都可能导致下游效应，包括平衡受损和姿势肌肉活动受损。由于 SCC 在出生时具有固定的大小和形状 [10, 15, 16]，异常可能通过激活负责躯干支撑的棘旁肌在 AIS 的发病机制中起早期致病或促成作用 [3]。先前的研究发现，与正常对照组相比，AIS 患者存在前庭形态异常 [10, 17]。然而，关于 SCC 管道形态在 AIS 中的作用存在争议 [18, 19]。我们的目标是建立一种新颖的半规管成像方法，以评估鳞状细胞癌和 AIS 解剖变异之间的关联。我们测试了 AIS 患者的鳞状细胞癌几何形状的左右差异是否与对照组相比被夸大。
了解带状疱疹疫苗犹豫和信息不对称：中国的一项定性研究
近年来，带状疱疹的发病率不断上升，尤其是在老年人群中。高龄是水痘-带状疱疹病毒复发的主要危险因素 ( 1 )。全球普通人群的发病率为每 1,000 人年 3-5 例，50 岁及以上人群的发病率则增至每 1,000 人年 5-11 例 ( 2 )。除了急性期病变和疼痛外，9%-34% 的患者还面临罹患带状疱疹后神经痛的潜在风险 ( 3 )。总体而言，带状疱疹的医疗负担十分沉重。Kawai 等的研究发现，每 100,000 人中每年带状疱疹相关住院率为 2.1-25.0 例，且住院率随着年龄的增长而增加 ( 2 )。此外，感染后的经济负担也很重 ( 4 )，50 岁及以上成年人的平均住院费用估计为 4,502.4 元人民币（约合 630 美元）( 5 )。
带有光电反馈的基于激光的储层计算机的不对称性能
基于物理的神经形态计算是当前数字技术的有前途的算法，因为其能量效率，并行性的潜力和较大的带宽。在各种体系结构中，复发性神经网络（RNN）特别适合以频度依赖性（例如音频和视频信号）处理数据[？]。但是，他们解决特定任务的监督培训通常是数据密集型的，需要调整网络的互发矩阵，这是硬件实现的挑战。储层计算（RC）提供了一个框架来通过简化训练过程来克服此问题，从本质上讲，将RNN未经训练以及在结合RNN节点的瞬时响应的输出层上使用简单的lin-1 eR-ear回归[？？]。这些考虑因素通过使用七个技术平台（包括微电子学，旋转和光子学[？？]。在后一类中，已经提出了各种插曲[？ ]包括大规模的自由空间体系结构[？？？]，光反馈体系结构[？？？]和光子集成电路[？？]。这些物理系统已经在各种任务上证明了最先进的性能，包括非线性通道均衡，混乱的时间序列预测和语音识别[？]。]，其中一个物理非线性反馈体系结构依赖于时间延迟储层（TDRC）方法[？