XiaoMi-AI文件搜索系统
World File Search System子空间
多尺度自动调整半监督深度子空间聚类及其在脑肿瘤聚类中的应用
在本文中，我们介绍了一种新颖的多尺度和自动调整的半监督深度子空间聚类（MAS-DSC）算法，旨在解决高维现实世界数据（特别是在医学成像领域）中深度子空间聚类的挑战。传统的深度子空间聚类算法大多是无监督的，其有效利用医学图像中固有的先验知识的能力有限。我们的 MAS-DSC 算法结合了半监督学习框架，使用少量标记数据来指导聚类过程，从而增强了特征表示的判别能力。此外，多尺度特征提取机制旨在适应医学成像数据的复杂性，从而实现更准确的聚类性能。为了解决深度子空间聚类中超参数选择的困难，本文采用贝叶斯优化算法来自适应调整与子空间聚类、先验知识约束和模型损失权重相关的超参数。在ORL、Coil20、Coil100等标准聚类数据集上进行的大量实验验证了MAS-DSC算法的有效性。结果表明，通过多尺度网络结构和贝叶斯超参数优化，MAS-DSC在这些数据集上取得了优异的聚类结果。此外，在脑肿瘤数据集上的测试证明了该算法的鲁棒性，以及其在半监督学习框架下利用先验知识进行高效特征提取和增强聚类性能的能力。
超越模仿未被充分表现的情绪：利用情绪子空间约束进行深度数据增强以实现基于脑电图的情绪识别
近年来，使用脑电图 (EEG) 识别情绪引起了广泛关注。尽管取得了进展，但有限的 EEG 数据限制了它的潜力。因此，生成对抗网络 (GAN) 被提出来模仿观察到的分布并生成 EEG 数据。然而，对于不平衡的数据集，GAN 仅通过模仿代表性不足的少数情绪就难以产生可靠的增强。因此，我们引入了情绪子空间约束的生成对抗网络 (ESC-GAN) 作为现有框架的替代方案。我们首先提出 EEG 编辑范式，将参考 EEG 信号从代表性良好的情绪子空间编辑到代表性不足的情绪子空间。然后，我们引入多样性感知和边界感知损失来约束增强子空间。在这里，多样性感知损失通过扩大样本差异来鼓励多样化的情感子空间，而边界感知损失将增强子空间限制在决策边界附近，而识别模型可能在此受到攻击。实验表明，ESC-GAN 提高了基准数据集 DEAP、AMIGOS 和 SEED 上的情感识别性能，同时防止了潜在的对抗性攻击。最后，所提出的方法为在情感子空间约束下编辑 EEG 信号开辟了新途径，促进了无偏且安全的 EEG 数据增强。
利用全光纤平台动态产生光子空间量子态
摘要：光子空间量子态是量子通信应用领域备受关注的主题。一个重要的挑战是如何仅使用光纤元件动态生成这些状态。在这里，我们提出并通过实验演示了一种全光纤系统，该系统可以基于线性偏振模式在任何一般横向空间量子比特状态之间动态切换。我们的平台基于一个快速光开关，该开关基于萨格纳克干涉仪与光子灯笼和少模光纤相结合。我们展示了空间模式之间的切换时间约为 5 纳秒，并通过演示基于我们平台的独立于测量设备的 (MDI) 量子随机数生成器来证明我们的方案对量子技术的适用性。我们连续运行该生成器超过 15 小时，获取了超过 13.46 Gbits 的随机数，其中我们确保至少 60.52% 是私有的，遵循 MDI 协议。我们的结果表明，使用光子灯笼仅使用光纤组件即可动态地创建空间模式，由于其稳健性和集成能力，这对光子经典和量子信息处理具有重要影响。
补充材料：可探索的网格变形子空间来自非结构化3D生成模型
我们的边界条件以64个节点为各个粒子，将潜伏的Z𝑖连接到Z𝑗。为了计算我们从网格M𝑖切换到网状M𝑗的点，我们首先计算两个变形序列：一个从m𝑖到m𝑗，另一个M𝑗转到M𝑖。给定这两个网格序列，我们可以确定网格之间的倒角距离最小的时间𝑡∗。我们在围绕𝑡= 0的中心的变形序列的小节中找到了最佳开关点。5，即我们不采用切换点，例如，𝑡= 0。01，而是我们仅考虑[0中的𝑡值。35，0。65]。这是为了防止过度扭曲边界条件。通过扩张多线的两侧进行重新映射，以便将𝑡∗精确地映射到𝑡= 0。5。因此，所有开关点的边界都可以通过标准的Voronoi图可视化。
用于脑电图情绪识别的图形自适应半监督判别子空间学习
由于脑电信号不易伪装且蕴含着丰富的神经生理信息，在客观情绪识别方面表现出显著的优势，基于脑电信号的情绪识别成为脑机接口领域的热门研究领域。然而，脑电信号一般具有非平稳性且信噪比较低，难以分析。受探索判别子空间表示通常有助于捕捉脑电数据语义信息的启发，本文提出了一种图自适应半监督判别子空间学习（GASDSL）模型用于基于脑电信号的情绪识别。GASDSL旨在探索一个判别子空间，其中类内散度减小而类间可分性增加。采用自适应最大熵图构建和半监督子空间情绪状态预测来调解判别子空间学习。对 SEED-IV 和 SEED-V 数据集进行的大量比较研究表明：1）与其他半监督学习模型相比，GASDSL 实现了令人满意的情绪识别准确率；2）随着模型的迭代，学习到的最大熵图和子空间的判别能力都得到了提高；3）根据空间频率模式分析结果，从 Gamma 波段、左/右颞叶、前额叶和（中央）顶叶提取的特征对情绪识别贡献更大。2023 作者。由 Elsevier BV 代表沙特国王大学出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
基于多域特征和随机子空间集成的脑电信号分类
摘要 摘要 摘要：摘要：针对BCI系统中预处理特征提取和分类识别问题，提出一种基于多域特征随机子空间集成学习的运动想象脑电信号分类方法。在分析运动想象（MI）信号的ERD/ERS特征的基础上，提取效果最佳的时间和频段的多域特征作为特征向量，并自适应地选择带有交叉验证的随机子空间集成尺度，利用线性判别分析（LDA）分类器集成实现脑电信号分类。测试结果表明，多域特征和随机子空间集成的准确率可达90.71%，Kappa系数为0.63，优于比赛中第一名的算法，证明了该算法的有效性和先进性。
通过受限子空间变分自动编码器 (CS-VAE) 解开多主体和社会行为表征
有效地建模和量化行为对于我们理解大脑至关重要。在社交和多主体任务中，在自然环境中建模行为仍然是一项重大挑战。对执行相同任务的不同主体的行为进行建模需要将行为数据划分为跨主体共有的特征和每个主体独有的特征。与社交调查相比，在自由移动的环境中对多个个体之间的社交互动进行建模需要解开由个体引起的影响。为了灵活地将行为解开为具有个体和跨主体或社交成分的可解释潜在变量，我们基于半监督方法来划分行为子空间，并提出了一种基于柯西-施瓦茨散度的新型正则化方法。我们的模型称为约束子空间变分自动编码器 (CS-VAE)，成功地对跨主体行为视频的不同特征以及不断变化的社交行为差异进行了建模。我们的方法极大地促进了下游任务中产生的潜在变量的分析，例如揭示解开的行为主题，有效解码新主体的行为，并提供对不同动物如何表现出先天行为的理解。
上下文子空间变分量子特征求解器和非上下文投影假设的稳定器框架
摘要：量子化学是噪声中型量子 (NISQ) 设备的一个有前途的应用。然而，量子计算机迄今为止尚未成功解决具有真正科学意义的问题，算法的进步对于充分利用当今可用的普通 NISQ 机器来说是必不可少的。我们讨论了一种基于将分子汉密尔顿量划分为两部分的基态能量估计方法：一部分是非上下文的，可以用经典方法求解，另一部分是上下文分量，可通过变分量子特征求解器 (VQE) 程序获得量子校正。这种方法被称为上下文子空间 VQE (CS-VQE)；然而，在将其部署到 NISQ 设备上之前，还有一些障碍需要克服。我们在这里解决的问题是 ansatz，即我们在 VQE 期间对其进行优化的参数化量子态；最初并不清楚汉密尔顿量的分裂应如何反映在 CS-VQE ansa ̈ tze 中。我们提出了一种“非上下文投影”方法，该方法由稳定器形式中 CS-VQE 的重新表述所阐明。这定义了从完整电子结构问题到上下文子空间的假设限制，并促进了可在 NISQ 设备上部署的 CS-VQE 的实现。我们使用量子模拟器验证了非上下文投影假设，并展示了一组小分子的化学精确基态能量计算，同时显著减少了所需的量子比特数和电路深度。
基于结构的SARS-COV-2 NSP14 N7-甲基转移酶的抑制剂的发现 使用细胞周期特异性速率效应2 的癌症药物反应进行分析和建模 结构和功能性脑连接组之间的联合子空间映射 抗氧化能力生物标志物的低水平，但没有靶向过表达预测诱导ROS的药物的脆弱性 1个抑制作用的电阻机制和... 多个PALS基因模块控制秀丽隐杆线虫的免疫与发育之间的平衡 加密斑块和UBP12/13去泛素酶拮抗 评估M/ ... div>的长短期限内存网络 CHD相关增强剂塑造人类心肌细胞谱系承诺 组合KRASG12C和SOS1抑制作用增强和... 保守的免疫效应子家族在病毒感染后切开细胞ATP 方差成分估计，表型表征和牛牛的牛心力衰竭的遗传评估 对XBB.1.5的免疫力降低了二价mRNA助推器 被子植物中重复基因进化的DNA甲基化特征 升高的糖皮质激素改变了下丘脑发育和功能的轨迹 SynergyFinder Plus
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2023年1月13日。 https://doi.org/10.1101/2023.01.12.523677 doi：biorxiv Preprint