XiaoMi-AI文件搜索系统
World File Search System形上
用于运动想象的 SPD 流形上的图形神经网络......
摘要 — 运动想象 (MI) 分类一直是基于脑电图 (EEG) 的脑机接口中的一个重要研究课题。在过去的几十年里，MI-EEG 分类器的性能逐渐提高。在本研究中，我们从时频分析的角度扩展了基于几何深度学习的 MI-EEG 分类器，引入了一种称为 Graph-CSPNet 的新架构。我们将这类分类器称为几何分类器，强调它们在源自 EEG 空间协方差矩阵的微分几何中的基础。Graph-CSPNet 利用新颖的流形值图卷积技术来捕获时频域中的 EEG 特征，为捕获局部波动的信号分割提供了更高的灵活性。为了评估 Graph-CSPNet 的有效性，我们使用了五个常用的公开 MI-EEG 数据集，在十一种场景中的九种中实现了接近最佳的分类准确率。Python 存储库可在 https://github 找到。 com/GeometricBCI/Tensor-CSPNet-and-Graph-CSPNet。
在意外地形上两足步行期间大鼠大脑的时间变化功能连通性
大脑皮层在人类和其他动物对不可预测的地形变化的适应性中起着重要作用，但是在此过程中，皮质区域之间的功能网络知之甚少。为了解决这个问题，我们训练了6只老鼠，视力阻塞，在带有不平衡区域的跑步机上双胎行走。全脑电脑电图信号通过32通道植入电极记录。之后，我们使用时间窗口扫描所有大鼠的信号，并使用相位延迟索引量化每个窗口中的功能连接。最后，使用机器学习算法来验证在检测大鼠运动状态时动态网络分析的可能性。我们发现，与步行阶段相比，在制备阶段的功能连接水平更高。此外，皮质更加注意控制肌肉活动需求更高的后肢的控制。功能连接的水平较低，可以预测前方的地形。大鼠意外地与不均匀的地形接触后的功能连通性突发，而在随后的运动中，它明显低于正常行走。另外，分类结果表明，使用多个步态阶段的相位延迟指数作为特征可以有效地检测步行过程中大鼠的运动状态。这些结果突出了皮质在动物对意外地形适应中的作用，并可能有助于推进运动控制研究和神经植物的设计。
使用稀疏的视觉观察在不平坦的地形上学习感知运动
摘要 - 为了主动浏览和遍历各种特征，主动使用视觉感知是必不可少的。我们旨在调查使用稀疏视觉观测值的可行性和性能，以在以人为中心的环境中在一系列常见的地形（步骤，坡道，间隙和楼梯）上实现感知运动。我们制定了适合在感兴趣地形上运动的稀疏视觉输入的选择，并提出了一个学习框架，以整合外部感受和本体感受状态。我们专门设计了状态观察和培训课程，以在各种不同的地形上有效地学习反馈控制政策。我们在各种任务中广泛验证和基准了学到的政策：在地面上行走的全向行走，并在各种障碍物上向前移动，显示出高成功的遍历率。此外，我们通过在新的看不见的地形上增加各种水平的噪声和测试来研究外观感受性消融并评估政策概括。我们证明了自主感知运动的能力，只能使用直接深度测量中的稀疏视觉观测来实现，这些观察值易于从激光雷达或RGB-D传感器中易于获得，在20厘米高度的高高高度上显示出强大的上升和下降，即20 cm的高度，即50％的腿长和强劲的腿部和稳健的噪声和Unigeseen anderseenseles anderseens anderseens anderseen anderseenseles anderseen anderseen sereen seleseen anderains ternales anderains。
使用图形上的深度生成模型预测药物间相互作用
当代基于图自编码器的模型生成的药物及其靶标的潜在表示已被证明可用于预测大型网络上的多种类型的节点对相互作用，包括药物-药物、药物-靶标和靶标-靶标相互作用。然而，大多数现有方法对节点的潜在空间进行建模，其中节点分布是刚性和不相交的；这些限制阻碍了这些方法在节点对之间生成新的链接。在本文中，我们介绍了变分图自编码器 (VGAE) 在多模态网络上建模潜在节点表示的有效性。我们的方法可以为多模态图的每种节点类型生成灵活的潜在空间；嵌入稍后用于预测不同边类型下节点对之间的链接。为了进一步提高模型的性能，我们提出了一种新方法，将捕获每种药物分子结构的摩根指纹与其潜在嵌入连接起来，然后将它们先进行解码阶段以进行链接预测。我们提出的模型在两个多模态网络上表现出了有竞争力的结果：（1）由药物和蛋白质节点组成的多图，以及（2）由药物和细胞系节点组成的多图。我们的源代码可在 https://github.com/HySonLab/drug-interactions 上公开获取。
文章 复杂地形上飞机安全范围的载人飞行模拟研究的大气扰动建模
摘要：ZHAW 航空中心开发并实施了一种综合了气象和地形对飞机安全范围影响的新型能源管理系统概念。在研究和教学模拟器 (ReDSim) 中构建了相应的飞行模拟环境，以测试驾驶舱显示系统的首次实施。与一组飞行员进行了一系列飞行员在环飞行模拟。通用航空飞机模型 Piper PA-28 经过修改以用于研究。ReDSim 中的环境模型经过修改，包括一个新的临时子系统，用于模拟大气扰动。为了在 ReDsim 中生成高分辨率风场，在概念研究中使用了一种成熟的大涡模拟模型，即并行大涡模拟 (PALM) 框架，重点研究了瑞士萨梅丹附近的一个小山区。为了更真实地表示特定的气象情况，PALM 由从 MeteoSwiss 的 COSMO-1 再分析中提取的边界条件驱动。从 PALM 输出中提取基本变量（风分量、温度和压力），并在插值后输入子系统，以获得任何时刻和任何飞机位置的值。在这个子系统中，还可以基于广泛使用的 Dryden 湍流模型生成统计大气湍流。本文比较了两种产生大气湍流的方法，即结合数值方法和统计模型，并介绍了飞行测试程序，重点强调了湍流的真实性；然后介绍了实验结果，包括通过收集飞行员对湍流特性和湍流/任务组合的反馈而获得的统计评估。
神经流形上的在线平铺和实时流量预测
虽然实验神经科学中大多数经典的功能研究都集中在单个神经元的编码特性上，但随着记录技术的最新发展，人们越来越重视神经群体的动态。这导致了各种各样用于分析与实验变量相关的群体活动的模型的出现，但直接检验许多神经群体假设需要根据当前神经状态干预系统，这就需要能够在线推断神经状态的模型。现有的方法主要基于动态系统，需要强参数假设，而这些假设在噪声主导的环境中很容易被违反，而且不能很好地扩展到现代实验中的数千个数据通道。为了解决这个问题，我们提出了一种方法，将快速、稳定的维数降低与所得神经流形的软平铺相结合，从而可以将动态近似为平铺之间的概率流。该方法可以使用在线期望最大化进行有效拟合，可扩展到数万个图块，并且在动态以噪声为主或具有多模态转换概率时优于现有方法。生成的模型可以以千赫兹的数据速率进行训练，在几分钟内产生神经动态的精确近似值，并在亚毫秒时间尺度上生成预测。它在未来的许多时间步骤中保持预测性能，并且速度足够快，可以作为闭环因果实验的组成部分。
在 Bures-Wasserstein 流形上取平均值：维度——……
我们研究了用于计算高斯分布重心的关于最优传输度量的一阶优化算法。尽管目标是测地非凸的，但黎曼 GD 经验上收敛速度很快，实际上比欧几里德 GD 和 SDP 求解器等现成方法更快。这与黎曼 GD 最著名的理论结果形成了鲜明对比，后者与维度呈指数相关。在这项工作中，我们在辅助函数上证明了新的测地凸性结果；这为黎曼 GD 迭代提供了强大的控制，最终产生了无维度的收敛速度。我们的技术还可以分析两个相关的平均概念，即熵正则化的重心和几何中位数，为这些问题的黎曼 GD 提供了第一个收敛保证。
黎曼流形上的差分隐私
在这项工作中，我们考虑了发布驻留在黎曼流形上的差分隐私统计摘要的问题。我们提出了拉普拉斯或 K 范数机制的扩展，该机制利用了流形上的固有距离和体积。我们还详细考虑了摘要是驻留在流形上的数据的 Fréchet 平均值的特定情况。我们证明了我们的机制是速率最优的，并且仅取决于流形的维度，而不取决于任何环境空间的维度，同时还展示了忽略流形结构如何降低净化摘要的效用。我们用两个在统计学中特别有趣的例子来说明我们的框架：对称正定矩阵的空间，用于协方差矩阵，以及球面，可用作离散分布建模的空间。
基于集成物联网设计和 Android 操作的军用多用途现场监视机器人 1 M.Ashokkumar，2 Dr.T.Thirumurugan 电子与通信工程系 基督理工学院 印度本地治里 ashok5june@gmail.com，thiru0809@gmail.com 摘要 — 该项目介绍了多用途现场监视机器人的设计、构造和制造，该机器人可用于战场上的地雷探测、有毒气体感应以及温湿度传感器监测，而不会带来严重的人工风险。地雷探测器可以探测覆盖的金属，气体传感器可以探测有毒气体攻击，机器人可以通过 Android 手机无线控制。该机器人使用 Arduino Uno 微控制器收集传感器信息，并使用 NodeMCU WiFi 连接控制器和机器人。基于来自 Android 应用程序的输入信息，机器人可以在任何地形上移动和攀爬。我们的项目与传统项目的区别在于 Android 手机操作和多个 IoT 云服务器的集成设计。机器人所有传感器信息均传送至云服务器，并通过网页查看。这样，机器人既可以用于军事战场，又可以同时在军事指挥部进行监控。这是将野战机器人与物联网技术以可扩展的设计模式进行集成的新颖尝试。设计的额外增强使其成为深度应用的绝佳选择
基于集成物联网设计和 Android 操作的军用多用途现场监视机器人 1 M.Ashokkumar，2 Dr.T.Thirumurugan 电子与通信工程系 基督理工学院 印度本地治里 ashok5june@gmail.com，thiru0809@gmail.com 摘要 — 该项目描述了多用途现场监视机器人的设计、构造和制造，该机器人可用于战场上的地雷探测、有毒气体感应以及温度和湿度传感器监测，而不会带来严重的人工风险。地雷探测器可以探测覆盖的金属，气体传感器可以探测有毒气体攻击，机器人可以通过 Android 手机无线控制。机器人使用 Arduino Uno 微控制器收集传感器信息，并使用 NodeMCU WiFi 连接控制器和机器人。根据来自 Android 应用程序的输入信息，机器人可以在任何地形上移动和攀爬。我们的项目与传统项目的区别在于，Android手机操作和多个物联网云服务器的集成设计。所有机器人传感器信息都传送到云服务器并通过网页查看。这样，机器人既可以用于军事战场，也可以同时在军事总部进行监控。这是一种将现场机器人和物联网技术以可扩展的设计模式进行集成的新颖尝试。设计的额外增强使其成为在布满地雷和其他危险金属物品的危险区域部署和使用的绝佳选择。关键词-机器人技术、嵌入式系统、物联网（IoT）、无线通信和云技术 I. 介绍 地雷是一种植入地球的爆炸装置，由压力、磁场和绊线等触发。它们是当代战斗中最常用的武器之一，最常用作先发制人的屏障和对手威慑。它们是微小的圆形装置，旨在通过爆炸或飞行碎片伤害或杀死人员。大多数地雷由塑料制成，所含金属量与圆珠笔中的弹簧相当。反坦克地雷的发展受到第一次世界大战期间战斗坦克使用的推动。 杀伤人员地雷的建立是为了取代这些可以被敌方士兵轻易移除的大型地雷。