XiaoMi-AI文件搜索系统
World File Search System光谱特征
![arXiv:2111.08154v1 [cs.HC] 2021 年 11 月 16 日](/simg/a\a3db6c388ab3c9660f6d87ba0a937b1ee45cbc6c.webp)
arXiv:2111.08154v1 [cs.HC] 2021 年 11 月 16 日
本文研究了心理任务分类——基于脑机接口 (BCI)，因为这是 BCI 的主要研究领域，而且这些系统可以改善严重残疾的人的生活，因此备受关注。BCI 模型的性能主要取决于特征向量的大小，该向量通过多个通道获得。在心理任务分类的情况下，特征的训练样本可用性极低。通常，特征选择用于通过去除不相关和多余的特征来提高心理任务分类的比率。本文提出了一种选择相关和非冗余光谱特征进行心理任务分类的方法。这可以通过使用四种非常知名的多变量特征选择方法来实现，即 Bhattacharya 距离、散点矩阵比、线性回归和最小冗余与最大相关性。这项工作还涉及心理任务分类的多变量和单变量特征选择的比较分析。应用上述方法后，研究结果表明，学习模型在心理任务分类方面的性能得到了显著改善。此外，通过执行稳健的排序算法和弗里德曼统计测试来找到最佳组合并比较功率谱密度和特征选择方法的不同组合，证明了所提出方法的有效性。
ISPRS 摄影测量与遥感杂志
全球人口增长已导致许多自然生态系统的土地利用 (LU) 发生变化，从而导致影响土壤质量的环境条件恶化。在缺水且土壤有机资源不足的系统中，土地利用对土壤质量的影响尤为显著。因此，本研究的主要目标是使用成像光谱 (IS) 评估人类活动（即土地利用，如放牧、现代农业和径流收集系统）对以色列干旱地区土壤质量的影响。为此，选择了 12 种物理、生物和化学土壤特性，并将其进一步整合到土壤质量指数 (SQI) 中，以此作为评估以色列南部干旱地区土地利用变化的显著影响的方法。AisaFENIX 高光谱机载传感器的飞行活动用于开发区域范围内 SQI 的 IS 预测模型。使用偏最小二乘判别分析 (PLS-DA) 分类方法 (OA = 95.31%，Kc = 0.90)，从高光谱图像本身提取的光谱特征在四个 LU 之间可以很好地分离。使用多元支持向量机回归 (SVM-R) 模型对光谱数据和测量的土壤指标以及总体 SQI 进行相关性分析。SVM-R 模型与几种土壤特性显著相关，包括总体 SQI (R 2 adj Val = 0.87)，成功预测了 r
用于建模快速动态大脑活动的工具箱
神经活动包含与认知相对应的丰富的时空结构。这包括跨越大脑区域网络的振荡爆发和动态活动，所有这些都可能在几十毫秒的时间尺度上发生。虽然这些过程可以通过脑记录和成像来访问，但由于其快速和短暂的性质，对其进行建模在方法上存在挑战。此外，有趣的认知事件的确切时间和持续时间通常是先验未知的。在这里，我们介绍了 OHBA 软件库动力学工具箱 (osl-dynamics)，这是一个基于 Python 的软件包，可以在几十毫秒的时间尺度上识别和描述功能性神经成像数据中的递归动态。其核心是机器学习生成模型，这些模型能够适应数据并在几乎不做假设的情况下学习大脑活动的时间以及空间和光谱特征。 osl-dynamics 采用了最先进的方法，这些方法可以（并且已经）用于阐明各种数据类型中的大脑动力学，包括磁/脑电图、功能性磁共振成像、侵入性局部场电位记录和皮层脑电图。它还提供了大脑动力学的新颖总结测量方法，可用于帮助我们理解认知、行为和疾病。我们希望 osl-dynamics 能够通过增强快速动态过程建模的能力，进一步加深我们对大脑功能的理解。
ISPRS 摄影测量与遥感杂志
全球人口增长已导致许多自然生态系统的土地利用 (LU) 发生变化，从而导致影响土壤质量的环境条件恶化。在缺水且土壤有机资源不足的系统中，土地利用对土壤质量的影响尤为显著。因此，本研究的主要目标是使用成像光谱 (IS) 评估人类活动（即土地利用，如放牧、现代农业和径流收集系统）对以色列干旱地区土壤质量的影响。为此，选择了 12 种物理、生物和化学土壤特性，并将其进一步整合到土壤质量指数 (SQI) 中，以此作为评估以色列南部干旱地区土地利用变化的显著影响的方法。AisaFENIX 高光谱机载传感器的飞行活动用于开发区域范围内 SQI 的 IS 预测模型。使用偏最小二乘判别分析 (PLS-DA) 分类方法 (OA = 95.31%，Kc = 0.90)，从高光谱图像本身提取的光谱特征在四个 LU 之间可以很好地分离。使用多元支持向量机回归 (SVM-R) 模型对光谱数据和测量的土壤指标以及总体 SQI 进行相关性分析。SVM-R 模型与几种土壤特性显著相关，包括总体 SQI (R 2 adj Val = 0.87)，成功预测了 r
多个OB星的定量光谱
上下文。大多数巨星位于二进制或多个恒星系统中。与单颗恒星相比，这些物体基于模型大气对定量分析提出了其他挑战。特别是目前几乎没有有关此类系统化学组成的信息。目标。四个恒星系统HD 37061的成员充满了猎户座中H II区域43的兴奋。首次得出所有可在光谱中可追踪的线的元素的精确和精确的丰度。方法。采用了与A tLAS 12代码与非LTE线形成计算相结合的杂种非本地热力学平衡（非LTE）方法。分析了单个恒星的大气参数和元素丰度的高分辨率复合谱。基本的恒星参数是基于恒星进化轨迹得出的，并表征了星际红色。结果。我们确定了HD 37061系统中三个恒星的基本参数和化学丰度。系统中的第四个和最微弱的恒星由于其快速旋转而没有显示出不同的光谱特征。但是，该恒星对连续体具有明显的影响。单个恒星的派生元素丰度和确定的年龄相互一致，并且丰度与宇宙丰度标准相一致。我们发现光谱距离与Gaia数据释放3个视差距离之间有着极好的一致性。
用于建模快速动态大脑活动
神经活动包含与认知相对应的丰富时空结构。这包括跨大脑区域网络的振荡爆发和动态活动，所有这些活动都可能发生在数十毫秒的时间尺度上。虽然可以通过大脑记录和成像访问这些过程，但建模它们会由于其快速和短暂的性质而提出了方法论挑战。此外，有趣的认知事件的确切时机和持续时间通常是先验未知的。在这里，我们介绍了OHBA软件库Dynamics Toolbox（OSL-Dynamics），这是一个基于Python的软件包，可以识别和描述在时间尺度上的功能神经影像学数据中的复发动力学，就像数十毫秒一样。的核心是机器学习生成模型，能够适应数据并了解大脑活动的时机以及空间和光谱特征，几乎没有假设。OSL动力学结合了可以并且已被用来阐明各种数据类型中的大脑动力学的最先进方法，包括磁/电脑术，功能磁共振成像，侵入性的地方局部效果潜在的潜在记录和皮质图。它还提供了大脑动力学的新摘要措施，可用于告知我们对认知，行为和疾病的理解。我们希望OSL动力学能够通过增强快速动态过程的建模来进一步了解大脑功能。
材料分类的光谱地下散射
在众多科学学科的挑战期间，识别物体或场景的物质组成一直是一种构成。一种方法，植根于牛顿，弗劳恩霍夫（Fraunhofer）和其他许多方法的早期作品，它利用了从物体反射的光中的光谱变化。由于材料通常具有不同的光谱吸收曲线，因此反射率的光谱分析在检查具有各种尺度的材料方面已经与众不同：诸如粉末[28,47]和食品[29,44]，地理材料分布[9,19,22]，以及Celestial对象的组成[18,18,336]。在场景中的光线运输远远超出了反射。当对象被照亮时，它不仅反射出照明点，而且经常穿透表面。这种现象称为“地下散射”，对于我们感知到它们的出现至关重要，并且在许多应用中引起了广泛关注，包括光传输建模[45]，逆光传输[5]，场景分析[30]和材料分类[6,26,38,40,40,40,41]。值得注意的是，地下散射也受到入射光波长的显着影响。光谱特征和地下散射之间的这种强大协同作用为增强材料分类提供了独特的机会。也许，了解具有地下散射光传输的最有用的物理测量是光谱双向散射频率分布函数（BSSRDF）[45]。因此，测量
Microsoft Word - 2361482021150869基于EEG的CNN驾驶员注意力分类.docx
摘要 — 准确检测驾驶员的注意力状态有助于开发辅助技术，实时应对意外危险，从而提高道路安全。本研究比较了几种根据参与者大脑活动训练的注意力分类器的性能。参与者在沉浸式模拟器中执行驾驶任务，其中汽车随机偏离巡航车道。他们必须纠正偏差，他们的反应时间被视为注意力水平的指标。参与者在两个环节中重复该任务；在一个环节中他们收到动觉反馈，在另一个环节中没有反馈。利用他们的脑电图信号，我们训练了三个注意力分类器；一个使用脑电图谱带功率的支持向量机（SVM），以及一个使用光谱特征或原始脑电图数据的卷积神经网络（CNN）。我们的结果表明，在动觉反馈下获得的原始脑电图数据上训练的 CNN 模型实现了最高的准确率（89%）。虽然使用参与者自己的大脑活动来训练模型可以获得最佳性能，但跨主体迁移学习仍然表现良好（75%），这为无校准脑机接口 (BCI) 系统带来了希望。我们的研究结果表明，CNN 和原始 EEG 信号可用于有效训练被动 BCI，以实现实时注意力分类。
整合 FNIRS 与机器学习
本研究的目的是介绍一种辅助诊断帕金森病 (PD) 的方法，即将功能性近红外光谱 (fNIRS) 研究分类为 PD 阳性或阴性。fNIRS 是一种非侵入性光信号模式，可传达大脑的血液动力学反应，特别是大脑皮层血氧变化；与其他神经成像模式相比，它是一种非侵入性且具有成本效益的方法，因此值得探索其作为辅助 PD 检测工具的潜力。除了将 fNIRS 与机器学习相结合之外，这项工作的贡献还在于实施和测试了各种方法，以找到实现最高性能的实现。所有实现都使用逻辑回归模型进行分类。从每个参与者的 fNIRS 研究中提取了一组 792 个时间和光谱特征。在两个表现最佳的实现中，使用了一组特征排序技术来选择精简的特征子集，然后使用遗传算法对其进行精简。为了实现最佳检测性能，我们的方法达到了 100% 的准确率、精确率和召回率，F1 得分和曲线下面积 (AUC) 为 1，使用了 14 个特征。这大大推进了 PD 诊断，凸显了将 fNIRS 和机器学习相结合用于非侵入性 PD 检测的潜力。关键词：帕金森病、功能性近红外光谱、机器学习、特征子集选择、遗传算法
基于双光谱的基于摩托图像的基于脑部计算机接口的通道选择
摘要 - 基于运动图像（MI）的大脑接口（BCI）的性能很容易受到多渠道电脑图（EEG）中存在的噪声和冗余信息的影响。为了解决此问题，已经提出了许多基于时间和空间特征的通道选择。然而，时间和空间效果并未准确反映振荡性脑电图的功率变化。因此，与MI相关的EEG信号的光谱特征可能对通道选择有用。双光谱分析是一种用于从非线性和非高斯信号中提取非线性和非高斯信息开发的技术。从双光谱分析中提取的功能可以提供有关脑电图的频域信息。因此，在这项研究中，我们为基于MI的BCI提出了一种基于双光谱的通道选择（BCS）方法。所提出的方法使用对数扩增的总和（SLA）和第一阶光谱矩（FOSM）特征从Bispectrum Analysis提取的特征来选择没有冗余信息的EEG通道。使用三个公共BCI竞争数据集（BCI竞争IV数据集1，BCI竞赛III数据集IVA和BCI竞赛III Dataset IIIA）来验证我们提出的方法的有效性。结果表明，我们的BCS方法超过所有通道的使用（83.8％和69.4％，86.3％，分别为82.9％和77.8％，分别为68.2％）。此外，与其他最先进的方法相比，我们的BCS方法