XiaoMi-AI文件搜索系统
World File Search System性能比较
低成本脑电图帽的用户体验评估
摘要 脑电帽广泛应用于脑机接口，是人机交互领域中最具前景的重要领域之一。本研究在需要注意力和放松的任务中对两种不同的低成本 EEG 耳机 NeuroSky MindWave 和 Emotiv EPOC 进行了性能比较、用户体验和可用性评估。在研究中，12名志愿者被要求执行一项注意力任务和一项需要高认知负荷的放松任务。其中，情感网格量表和AttrakDiff调查用于评估用户体验，而NASA心理工作量调查和系统可用性量表则用于揭示设备的可用性问题。当检查统计结果时，发现 NeuroSky MindWave EEG 耳机在放松任务中比 Emotiv EPOC EEG 耳机更成功。在需要注意力的任务中，两者都产生了类似的结果。在查看用户体验评估时，我们发现参与者在使用两个 EEG 耳机时都感到疲劳，但对设备的使用仍然感到满意。在可用性方面，他们对 NeuroSky MindWave 给出了更为积极的评价。
可再生能源领域的新兴技术
本文将定量文本挖掘的结果与定性专家评审的结果进行比较，以识别太阳能光伏 (PV)、风能、海洋和潮汐能、水电等领域的新兴技术。文本挖掘分析基于“创新监测工具”（TIM）软件。TIM 软件从相关科学出版物语料库中提取一组相关关键词。将 TIM 输出与软件 VOSviewer 提取的输出进行比较，结果显示一致。排名前 300 个的关键词是检索到的技术和分析师工作之间的最佳权衡。专家确定的新兴技术可以以 65% 或 25% 的概率出现在前 300 个关键词中，具体取决于技术部门和采用的算法。更突出的关键词往往与具有既定和明确术语的技术相对应，例如：“染料敏化太阳能电池”或“垂直轴风力涡轮机”。这里使用并比较了两种方法：作者关键词的频率和术语频率-逆文档频率 (TF-IDF) 算法。它们的性能比较并不显示一种方法相对于另一种方法的普遍流行性，而是显示对不同技术领域的不同适用性。
最终用途储蓄形状测量文档：可变的制冷剂流量，热恢复和专用室外空气系统
图1。VRF热泵系统的亮点与热恢复[2]在同一建筑物设计上的两层和三管系统之间的不同管道布局[3]。3图3。Product data from Ventacity Energy/Heat Recovery System ........................................................ 6 Figure 4.DOAS温度控制方案来自Ashrae DoAs设计指南........ 7图5。基线模型中不同HVAC系统类型的分布...................................................................................................Coverage of applicable buildings for the upgrade ....................................................................... 14 Figure 7.VRF DOAS configuration represented in this upgrade ............................................................... 14 Figure 8.Single curve approach versus dual curve approach (COP based on compressor and outdoor unit fan power only) ...................................................................................................................... 17 Figure 9.VRF室外单位性能比较：加热能力和COP Comp＆Fan，Design ....................... 18图10。VRF室外单位性能比较：冷却能力和COP Comp＆Fan，设计...................................................................................................................................................................................................................................................................Cooling EIR (or COP) curve derivation and validation ............................................................ 20 Figure 12.Rated COP derivation based on sized capacities ....................................................................... 22 Figure 13.doas温度设定点建议形式ASHRAE DOAS设计指南........ 25图14。Comparison of annual site energy consumption between the ComStock baseline and the upgrade scenario .................................................................................................................... 35 Figure 15.Comstock基线和升级方案的温室气体排放比较... 36图16。Percent site energy savings distribution for ComStock models with the upgrade measure applied by end use and fuel type ............................................................................................ 37 Figure 17.Site EUI savings distribution for ComStock models with the upgrade measure applied by end use and fuel type .................................................................................................................... 38 Figure 18.Comparison of the ComStock baseline and the upgrade scenario in terms of peak demand change .................................................................................................................................... 40 Figure 19.VRF额定和设计COP Comp＆Fan的分布，设计......................................................................................................................................................... 41图20。Distribution of VRF annual average COP comp&fan,operating ............................................................ 42 Figure 21.用电阻加热的VRF补充加热的分数分布............................................................................................................................... 42图22.Distribution of annual average heating COP system,operating ........................................................... 43 Figure 23.Distribution of unmet hours to heating and cooling setpoints ................................................... 43 Figure 24.Distribution of VRF piping configurations................................................................................ 44 Figure 25.Distribution of VRF indoor and outdoor unit counts ................................................................. 45 Figure A-1.Site annual natural gas consumption of the ComStock baseline and the measure scenario by census division ....................................................................................................................... 49 Figure A-2.Site annual natural gas consumption of the ComStock baseline and the measure scenario by building type .......................................................................................................................... 49 Figure A-3.Site annual electricity consumption of the ComStock baseline and the measure scenario by building type .......................................................................................................................... 50 Figure A-4.Site annual electricity consumption of the ComStock baseline and the measure scenario by census division ....................................................................................................................... 50
基于概率特征的脑电信号在线教育平台困惑学生检测
摘要：在 COVID-19 大流行期间，在线教育已成为一种重要的教育媒介。尽管在线教育具有诸多优势，但它缺乏面对面的设置，这使得分析学生的互动、理解和困惑程度变得非常困难。本研究利用脑电图 (EEG) 数据为大规模开放在线课程 (MOOC) 平台检测学生的困惑程度。现有的困惑检测方法主要侧重于模型优化，而特征工程研究得不够深入。本研究提出了一种新颖的工程方法，该方法使用基于概率的特征 (PBF) 来提高机器学习模型的效率。PBF 方法利用随机森林 (RF) 和梯度提升机 (GBM) 的概率输出作为特征向量来训练机器学习模型。通过几个带有 EEG 数据的机器学习模型，使用原始特征和 PBF 方法进行了广泛的实验。实验结果表明，通过在 EEG 数据上使用 PBF 方法，可以 100% 准确率地检测困惑的学生。 K 折交叉验证和与现有方法的性能比较进一步证实了结果。
用于制造 3D 组织支架的先进光学方法和材料
三维 (3D) 打印，也称为增材制造 (AM)，在可定制和高精度部件的制造方面经历了快速发展阶段。得益于 3D 打印技术的进步，现在可以将细胞、生长因子和各种生物相容性材料一起打印成任意复杂的 3D 支架，这些支架在结构和功能上与天然组织环境具有高度相似性。此外，光学 3D 打印方法在成型效率、分辨率和适用材料选择方面具有压倒性优势，无疑已成为组织工程 (TE) 中支架制造最合适的方法。在本文中，我们首先全面、最新地回顾了当前用于支架制造的光学 3D 打印方法，包括传统的基于挤压的工艺、选择性激光烧结、立体光刻和双光子聚合等。具体来说，我们回顾了光学设计、材料和代表性应用，然后进行了制造性能比较。重要指标包括制造精度、速率、材料和应用场景。最后，我们总结并比较了每种技术的优缺点，以指导光学和 TE 社区的读者在不同的应用场景下选择最合适的打印方法。
Anurag Koul
●带有可变步骤频率的TD3：学习控制任务的步骤频率。●具有离散状态空间的基于模型的强化学习。●了解基于模型的离线强化学习的不确定性估计和安全政策改进●研究现实世界中的Cassie机器人的离线增强学习学习●抽象空间中的计划：通过计划模型从计划模型中学习策略，从期权模型中学习策略●适应性PID控制器：研究对控制策略的ADAPTIVE PID PID属性学习。●学习有限的空间门控复发神经网络。●策略梯度带有奖励分解：利用有方面奖励的策略梯度的变化。●深入增强学习算法的性能比较：DQN，DDQN，决斗体系结构和A3C对Atari进行了测试。●使用共形预测降低深神经网中的歧义：在深神经网络中，结构性预测的输出量最小化导致不确定性较小。●自主驾驶的直接感知：通过捕获观察值的时间特征来增强现有方法。
nuc-off核酸酶和DNA去除喷雾
图1。在去除RNase和dNase中，MP生物医学Nuc-Off核酸酶和DNA去除喷雾剂和竞争者T溶液的性能比较。A. RNase消除。在室温下孵育5分钟，将4μl的去除试剂和不同量的RNase（以1μl为单位）的混合物孵育；之后，加入1μlRNA，并在室温下进一步孵育15分钟，然后在含有甲醛的琼脂糖凝胶中变性和最终混合物的电泳。B. DNase消除。在室温下孵育4μl的去除试剂和不同量的DNase（以1μl）的混合物5分钟；之后，将1μl10X反应缓冲液和1μgDNA和无核酸酶的水加入总体积10μl，并在室温下进一步孵育15分钟，然后是最终混合物的琼脂糖凝胶电泳。C.去除试剂对DNA稳定性的影响。在室温下孵育15分钟，将4μl的去除试剂和1μl基因组DNA的混合物进行孵育，然后通过琼脂糖凝胶电泳进行分析。D.去除试剂对RNA稳定性的影响。在室温下孵育4μl的去除试剂和1μlRNA的混合物，然后变性添加含有甲醛的琼脂糖凝胶电泳。此处显示的图仅供参考，它可能会根据不同的实验条件而有所不同。
从多源移动健康数据中进行隐私保护联合抑郁症检测
摘要 抑郁症是最常见的精神疾病之一，且患者表现出的症状各异，导致在临床和病理研究过程中诊断困难。尽管研究者希望人工智能能够为抑郁症的诊断和治疗做出贡献，但传统的集中式机器学习方法需要汇总患者数据，而精神疾病患者的数据隐私需要严格保密，这阻碍了机器学习算法的临床应用。针对抑郁症医疗数据隐私问题，我们开展了一项联邦学习对抑郁症进行分析和诊断的研究。首先，我们提出了一个利用多源数据的通用多视图联邦学习框架，该框架可以扩展任何传统机器学习模型以支持跨不同机构或多方的联邦学习。其次，我们采用后期融合方法解决多视图数据时间序列不一致的问题。最后，我们将联邦框架与其他合作学习框架进行了性能比较，并讨论了相关结果。实验结果表明，在参与人员足够多的联邦学习情况下，抑郁评分预测准确率可达85.13%，相比本地训练提升约15%；在参与人员较少、数据量足够的情况下，抑郁评分预测准确率也能达到84.32%，提升率约为9%。
nuc-off核酸酶和DNA去除喷雾
图1。在去除RNase和dNase中，MP生物医学Nuc-Off核酸酶和DNA去除喷雾剂和竞争者T溶液的性能比较。A. RNase消除。在室温下孵育5分钟，将4μl的去除试剂和不同量的RNase（以1μl为单位）的混合物孵育；之后，加入1μlRNA，并在室温下进一步孵育15分钟，然后在含有甲醛的琼脂糖凝胶中变性和最终混合物的电泳。B. DNase消除。在室温下孵育4μl的去除试剂和不同量的DNase（以1μl）的混合物5分钟；之后，将1μl10X反应缓冲液和1μgDNA和无核酸酶的水加入总体积10μl，并在室温下进一步孵育15分钟，然后是最终混合物的琼脂糖凝胶电泳。C.去除试剂对DNA稳定性的影响。在室温下孵育15分钟，将4μl的去除试剂和1μl基因组DNA的混合物进行孵育，然后通过琼脂糖凝胶电泳进行分析。D.去除试剂对RNA稳定性的影响。在室温下孵育4μl的去除试剂和1μlRNA的混合物，然后变性添加含有甲醛的琼脂糖凝胶电泳。此处显示的图仅供参考，它可能会根据不同的实验条件而有所不同。
量子与经典的机器学习算法用于软件缺陷预测：挑战和机遇
摘要 - 软件缺陷预测是软件质量保证的关键方面，因为它可以早期识别和缓解缺陷，从而降低了软件故障的成本和影响。在过去的几年中，量子计算已成为一种令人兴奋的技术，能够改变多个领域。量子机学习（QML）是其中之一。QML算法比其经典同行可以利用量子计算的能力以更好的效率和有效性解决复杂问题。但是，仍需要探索其在软件工程中对软件缺陷进行应用的研究。在这项研究中，我们通过比较20个软件缺陷数据集中的三种QML和五种经典机器学习（CML）算法的性能来填补研究差距。我们的调查报告了QML与CML算法的综合场景，并确定了预测软件缺陷的表现更好和一致的算法。我们还强调了基于我们在进行此调查时所面临的经验，在实际软件缺陷数据集中采用QML算法的挑战和未来方向。这项研究的发现可以通过使软件系统可靠且无漏洞来帮助从业人员和研究人员进一步进步。索引术语 - Quantum机器学习，支持向量分类器，软件缺陷预测，量子古典级，性能比较