XiaoMi-AI文件搜索系统
World File Search System时间窗
在2型糖尿病患者中，半卢替肽与阿尔茨海默氏病的首次诊断：使用全国范围的目标试验仿真
图2（a）在T2DM患者和（b）（b）累积的AD累积AD发生率的倾向评分匹配的半熟练剂与其他抗糖尿病药物组之间的首次诊断与其他抗糖尿病的抗糖尿病患者之间的比较。与表1中列出的变量相匹配的暴露组和比较组是根据指数事件发生前1天的任何时间的存在（Semaglutide vs比较类药物的首次处方，从2017年12月至2021年5月至2021年）的第一个处方）。结果在索引事件发生后3年，均与匹配的暴露组和比较组遵循。个体，直到结果，死亡或随访的发生或指数事件发生后3年，以先到者为准。危害率，并应用了危险危险模型。总体风险=随访时间窗口中有结局的患者数量/在开始时间窗口中的患者人数。DPP-4I，二肽基肽酶-4抑制剂； SGLT2I，钠 - 葡萄糖共转移蛋白-2抑制剂； su，磺酰脲； tzd，噻唑烷二酮。其他GLP-1RA包括albiglutide，dulaglutide，aceenatide，Liraglutide和Lixisenatide。
通过脑电信号测量认知好奇心的状态
摘要 — 了解好奇心背后的神经生理机制并因此能够识别一个人的好奇心水平，将为神经科学、心理学和计算机科学等众多领域的研究人员和设计师提供有用信息。揭示好奇心的神经相关性的第一步是在好奇状态下收集神经生理信号，以便开发信号处理和机器学习 (ML) 工具来识别好奇状态和非好奇状态。因此，我们进行了一项实验，其中我们使用脑电图 (EEG) 测量参与者在被诱导进入好奇状态时的大脑活动，使用琐事问答链。我们使用两种 ML 算法，即滤波器组公共空间模式 (FBCSP) 与线性判别算法 (LDA) 相结合，以及滤波器组切线空间分类器 (FBTSC)，以将好奇的 EEG 信号与非好奇的 EEG 信号进行分类。总体结果表明，两种算法在 3 到 5 秒的时间窗口内均获得了更好的性能，表明最佳时间窗口长度为 4 秒（FBTSC 的分类准确率为 63.09%，FBCSP+LDA 的分类准确率为 60.93%）可用于基于 EEG 信号的好奇心状态估计。索引术语 — 好奇心 - 心理状态 - 学习 - 脑电图 - 被动脑机接口
COMPASS++ 数据采集系统
摘要 — 我们为 COMPASS ++ /AMBER 实验提出了一种新的数据采集系统，该系统是智能 FPGA 数据采集框架的进一步发展。该系统的最大吞吐量为 5 GB/s。我们设计该系统以提供自由运行的连续读出，这使我们能够通过将决策延迟到处理数据的硬件滤波器和高级触发器阶段来实现复杂的数据过滤。该系统包括前端卡、全数字硬件滤波器、数据多路复用器、时间片生成器和高级触发器场。数据选择和数据组装需要具有不同粒度的数据流时间结构，适用于不同的探测器。我们将探测器数据单位定义为图像，并将时间窗口内来自不同探测器的图像组合到时间片中。通过根据时间片路由数据，我们可以平均数据速率并轻松实现可扩展性。让我们实现这些目标的主要组件是高性能且经济高效的硬件时间片生成器。时间片构建器按时间组合流数据，由数据切换和溢出缓冲区构建组成。可扩展的架构使我们能够提高系统的吞吐量并实现真正的无触发操作模式。
稀疏的组过滤库表示模型
背景：在运动成像（MI）脑电图（EEG）记录以及在脑计算机界面（BCI）应用的MI分类中，常见的空间模式（CSP）已被广泛用于特征外观。BCI通常需要相对较长的脑电图数据来可靠的分类培训。更具体地，在使用一般空间模式进行特征提取之前，使用两个不同类别的训练词典来构造复合词典矩阵，并且在滤波器带中的测试样品的表示形式估计为字典矩阵中列的线性组合。新方法：减轻频率带之间的稀疏小样本（SS）问题。我们为BCI系统中的运动图像提出了一种新型的稀疏组过滤库模型（SGFB）。结果：我们通过基于对非零相关系数的类别表示残差来执行任务。此外，我们还在三个不同的时间窗口中使用约束过滤器频段执行关节稀疏优化，以在多任务学习框架中提取强大的CSP功能。为了验证我们的模型的有效性，我们对BCI竞争的公共EEG数据集进行了实验，以将其与其他竞争方法进行比较。与现有方法的比较：差异
基于学习的运动观点预测上限辅助机器人的终点控制
摘要：缺乏直观和活跃的人类 - 动物相互作用使使用上肢辅助设备很难。在本文中，我们提出了一个基于学习的新型控制器，该控制器直觉地使用发作运动来预测辅助机器人所需的终点位置。实施了一个由惯性测量单元（IMU），肌电图（EMG）传感器和机械学（MMG）传感器组成的多模式传感系统。该系统用于在达到五个健康受试者执行的任务期间获取运动学和生理信号。提取了每个运动试验的开始运动数据，以输入传统的回归模型和训练和测试的深度学习模型。模型可以预测手在平面空间中的位置，这是低级位置控制器的参考位置。结果表明，使用IMU传感器与提出的预测模型具有足够的运动意图检测，与添加EMG或MMG相比，该模型可以提供几乎相同的预测性能。此外，基于复发的神经网络（RNN）模型可以在短发时间窗口中预测目标位置以进行动作，并且适合在更长的视野上预测目标的目标。这项研究的详细分析可以提高辅助/康复机器人的可用性。
SLC39B
关键功能具有集成压力传感器，可在BMS中进行有效的热失控检测，联合国全球技术法规（UN GTR）在第一步（GTR20第1阶段）中引入了基于性能的要求，这些要求解决了使用过程中电动汽车潜在安全风险的要求，包括与锂离子电池和/或其他可回收电气存储系统相关的潜在危害，尤其是与其他可回收电气存储系统有关。在第二步 - GTR22阶段2中 - 停车时也应适用这些安全预防措施。安全目标是避免对乘员和环境的危害，因此，检测单个电池单元的第一个热失控。警告必须在5分钟的时间窗口内给出警告，然后在乘客舱中发生危险情况。尤其是在停车模式下，使用电压和温度传感器的经典检测方法不足以充分考虑这些法律法规。更好，但还需要更便宜的传感器来足够早期检测这些事件。Infineon因此开发了一个专门为热型Tunaway检测设计的气压传感器，该气压传感器以极低的功率消耗（在停车模式下尤其重要）和短的唤醒时间来测量电池组中的压力。此外，传感器遵循极其重要的功能安全要求，并已根据ISO 26262的规定开发，并被评为ASILB。这对应于当今高压汽车电池的安全要求。
使用基于机器学习的稀有事件算法估算AMOC过渡概率
摘要：大西洋子午翻转循环（AMOC）是全球气候的重要组成部分，已知是倾倒元素，因为它可能在全球变暖下崩溃。这项研究的主要目的是使用一种称为轨迹 - 自适应多级分裂（TAMS）的稀有事实算法来计算AMOC在指定时间窗口内崩溃的概率。但是，TAM的效率和准确性取决于分数函数的选择。尽管已知最佳得分函数的定义称为“委员会函数”，但总的来说，不可能先验地计算它。在这里，我们将TAM与下一代储层计算技术相结合，该计算技术从稀有事实算法产生的数据中估计委员会函数。我们在存在两种类型的过渡的AMOC的随机盒模型中测试了这一技术，所谓的快速（F）和慢速（S）过渡。f的结果与使用物理知情得分函数的文献中的结果相比有利。我们表明，使用机器学习的稀有事实算法可以正确估计过渡概率，过渡时间甚至过渡路径，以实现广泛的模型参数。然后，我们将这些结果扩展到同一模型中S转变的更为困难问题。在两种F转型和S转型的情况下，我们还展示了如何解释下一代储层计算技术以检索委员会功能的分析估计。
配备光伏和电池的住宅社区
住宅规模电池的技术进步为自给自足社区铺平了道路，使社区能够充分利用其光伏系统来满足当地的能源消费需求。为了有效利用电池的功能，社区可以参与提供短期运营储备 (STOR) 服务。为此，在规定的时间窗口内，电池中要保持足够的能量储备，以供电力系统运营商使用。然而，这可能会降低社区的能源自给自足程度。此外，实际的储备交付可能会造成配电网络拥塞。为了充分了解社区提供储备的能力，本研究提出了一种住宅社区能源管理系统，该系统采用混合整数线性规划 (MILP) 模型。该模型旨在通过优化电池调度来最大限度地提高能源自给自足程度，同时考虑储备约束。该模型还使用迭代方法将房屋的总功率保持在离线定义的出口/进口限制范围内，以确保储备供应不会违反配电网络限制。该模型在住宅社区进行了演示。确定了对能源自给自足影响最小的最大承诺储备功率。结果还表明，除非充分考虑配电网络的限制，否则社区提供储备的能力可能会被高估。
在竞争性视听任务条件下，神经 α 振荡和瞳孔大小差异性地指示认知需求
图 1. 实验设计。A：试验设计。听觉和视觉刺激同时呈现。听觉间隙检测任务：参与者必须在白噪声 7 秒内检测到间隙（间隙可能发生在 4-6 秒的时间窗口内）。对于“困难”条件，间隙持续时间单独滴定至 75% 正确。对于“简单”条件，间隙持续时间加倍。多物体跟踪任务：参与者观看 16 个移动点，并被要求在移动点场景中跟随最初提示的（红色）点。7 秒后，点停止移动，三个点被标记为绿色，并标为 1、2 和 3。参与者必须决定三个点中的哪一个是提示点。参与者必须跟随一个（简单）或五个（困难）点。分析集中在 3-4 秒的时间窗口（间隙前窗口；此外，由于其反应缓慢，还关注 5-6 秒的瞳孔大小窗口）。 B：单任务会话（左）和双任务会话（右）的设计。在单任务会话中，参与者分别执行听觉和视觉任务（但始终呈现视听刺激）。在双任务条件下，参与者同时执行这两项任务。C：假设示意图。如果生理测量指标独立于模态来指示认知需求，则难度增加的影响在各种模态之间应该是相同的（左图）。或者，难度增加的影响可能在不同的感官模态之间有所不同（右图）。
微生物相互作用对根瘤菌健康的作用
智力残疾（ID）是一种与认知和适应行为受损相关的神经发育障碍，代表了一个主要的医学问题。尽管ID患者出现了行为问题并在童年期间被诊断出来，但在成年期进行了啮齿动物模型中的大多数行为研究，在这种关键的时间窗口中表达的失踪早熟表型以强烈的脑部质量性为特征。在这里，我们有选择地评估了行为和认知过程的出生后发生，以及雄性RSK2-敲除棺材 - 慢性综合征的小鼠模型的产后脑发育，这是一种以ID和神经学异常为特征的X连锁疾病。虽然RSK2 -Knockout小鼠天生健康，但一项纵向MRI研究表明，瞬时次生小头畸形和海马和小脑体积的持续减少。从产后第4天（P4）延迟对感觉运动功能的延迟采集以及青春期自发和认知行为的改变，这共同代表神经发育障碍的标志。一起，我们的结果首次表明，RSK2是MAPK信号通路的效应子，在大脑和认知后发育中起着至关重要的作用。这项研究还提供了新的相关措施，以表征ID小鼠模型的产后认知发展并设计早期的治疗方法。