XiaoMi-AI文件搜索系统
World File Search System用脑
使用脑电图信号的非线性动力学在相反的手移动下对主要手移动进行分类与海上风电场集成的多源系统的强大双级计划方法考虑预测错误
考虑了多种电源（MP）和能源存储（ES）的经济性，可靠性和产出特征，这是一个与海上风电场（OWFS）集成的多源系统及其建筑成本，以及运营和维护成本模型。该系统主要由OWF，热电厂，燃气轮机发电厂和抽水储存厂组成。鉴于电力系统和海上风力发电的经济性，提出了与OWF群集集成具有最佳总成本的客观功能的多源系统的双层最佳配置和操作调度方法。然后，提出了一种与OWF集成的多源系统的强大双级计划方法，该方法考虑了载荷和海上风能预测的双重不确定性，其中提出了分别通过改进的粒子群优化（PSO）算法和CPELX求解器来解决上层和下层模型。基于该方法，可以获得MPS和ES的成本优势能力配置和操作计划方案。最后，以山东省的OWF群体为例，以检查所提出方法的有效性和可行性。
使用脑电图信号进行移动设备生物特征认证
摘要 — 生物特征认证因其对个人用户的独特性而在各种应用中变得流行起来。在这种情况下，来自用户的脑电图 (EEG) 信号是身份验证的一个有趣候选。在这项工作中，我们特别关注与人类眨眼相对应的 EEG 信号，以创建一个身份验证系统，该系统可用于准确有效地区分多个用户，同时减轻用户的负担和方便。我们使用从 20 位用户收集的与眨眼相关的 EEG 信号数据集来研究我们的解决方案。我们的结果表明，眨眼信号可用于准确区分不同的用户，因此可用于身份验证。索引词 —EEG、眨眼、身份验证、生物特征
基于深度学习的情绪识别方法，使用脑电图 (EEG) 信号，采用双向长短期记忆 (Bi-LSTM)
摘要：情绪是人类日常交流的重要组成部分。脑电图 (EEG) 信号可将大脑的情绪状态和动态联系起来，脑机接口 (BCI) 可利用这些信号提供更好的人机交互。在情绪识别领域已经进行了一些研究。然而，使用 EEG 信号的情绪识别过程面临的最重要问题之一是识别的准确性。本文提出了一种基于深度学习的通过 EEG 信号进行情绪识别的方法，包括数据选择、特征提取、特征选择和分类阶段。这项研究服务于医学领域，因为情绪识别模型有助于诊断心理和行为障碍。这项研究有助于提高情绪识别模型的性能，以获得更准确的结果，进而有助于做出正确的医疗决策。这项工作使用了标准的预处理生理信号情绪分析数据库 (DEAP)。从数据集中提取了统计特征、小波特征和赫斯特指数。特征选择任务通过二进制灰狼优化器实现。在分类阶段，使用堆叠双向长短期记忆 (Bi-LSTM) 模型来识别人类情绪。本文将情绪分为三大类：唤醒、效价和喜好。与过去研究中使用的方法相比，所提出的方法实现了较高的准确率，效价、唤醒和喜好的平均准确率分别为 99.45%、96.87% 和 99.68%，这被认为是情绪识别模型的高性能。
利用脑电信号识别座舱内飞行员心理负荷
摘要：商用飞机驾驶舱是一个自然的多任务工作环境，其中经常以各种形式出现中断，在许多情况下导致航空事故报告。自动表征飞行员的工作负荷对于防止此类事故至关重要。此外，尽可能最小化生理传感器网络仍然是一项挑战和要求。脑电图 (EEG) 信号与特定的认知和心理状态（例如工作负荷）显示出高度相关性。但是，文献中没有足够的证据来验证模型在新的受试者执行与模型训练期间的工作负荷相似的任务的情况下的泛化能力。在本文中，我们提出了一个卷积神经网络，用于在连续性能任务测试中对不同心理负荷的 EEG 特征进行分类，该测试部分测量工作记忆和工作记忆容量。我们的模型在一般人群层面有效，并且能够将任务学习转移到模拟作战环境中的飞行员心理工作量识别。
神经科学与企业社会责任：使用脑电图评估与环境问题相关的品牌视频的有效性
摘要：大多数评估品牌 CSR 活动有效性的研究都集中在通过自我报告问卷收集数据的基础上得出结论。虽然这些研究为评估 CSR 沟通方法的有效性提供了见解，分析了所传达的信息、使用的沟通渠道以及信息接收者的显性大脑反应，但它们缺乏完全概括传达环境信息的问题的能力，因为它们没有考虑接收者的隐性大脑反应。因此，本研究旨在通过基于神经科学的评估，从接收者的隐性自我的角度研究与环境问题相关的 CSR 视频通信的有效性。为了检查隐性大脑感知，使用了脑电图 (EEG)，并通过三个被确定为对人类行为影响最大的指标来分析收集的数据。这三个指标是情绪价、大脑参与度和认知负荷。这项研究针对希腊塞萨洛尼基的千禧一代进行，记录了他们对七个品牌商业视频的隐性大脑反应。这七个视频是针对环境问题的 CSR 活动的一部分。同时，收集了参与者的自我报告结果，以比较显性和隐性大脑反应。这项研究的主要发现之一是，显性和隐性大脑反应不同，以至于未来必须考虑 CSR 视频通信的大脑友好性，以确保成功。研究结果为未来有效的 CSR 通信的创建过程、概念化、设计和内容提供了见解，涉及环境问题。
神经科学与企业社会责任：使用脑电图评估与环境问题相关的品牌视频的有效性
摘要：大多数评估品牌 CSR 活动有效性的研究都集中在通过自我报告问卷收集数据的基础上得出结论。虽然这些研究为评估 CSR 沟通方法的有效性提供了见解，分析了所传达的信息、使用的沟通渠道以及信息接收者的显性大脑反应，但它们缺乏完全概括传达环境信息的问题的能力，因为它们没有考虑接收者的隐性大脑反应。因此，本研究旨在通过基于神经科学的评估，从接收者的隐性自我的角度研究与环境问题相关的 CSR 视频通信的有效性。为了检查隐性大脑感知，使用了脑电图 (EEG)，并通过三个被确定为对人类行为影响最大的指标来分析收集的数据。这三个指标是情绪价、大脑参与度和认知负荷。这项研究针对希腊塞萨洛尼基的千禧一代进行，记录了他们对七个品牌商业视频的隐性大脑反应。这七个视频是针对环境问题的 CSR 活动的一部分。同时，收集了参与者的自我报告结果，以比较显性和隐性大脑反应。这项研究的主要发现之一是，显性和隐性大脑反应不同，以至于未来必须考虑 CSR 视频通信的大脑友好性，以确保成功。研究结果为未来有效的 CSR 通信的创建过程、概念化、设计和内容提供了见解，涉及环境问题。
用脑电图测量量子钙离子的情感影响
Lester Ingber 教授，博士 摘要：背景：自 1980 年左右以来，大脑皮层相互作用的模型——大脑皮层相互作用的统计力学 (SMNI) 已成功计算了许多实验现象，包括使用重要性采样代码自适应模拟退火 (ASA) 拟合注意力任务中的脑电图 (EEG) 数据。SMNI 模型是在经典路径积分的背景下开发的，它提供了直观的见解以及直接的数值优势，例如，使用有效作用作为数据参数拟合的成本/目标函数。目标：先前的作者已经将情感 EEG 数据拟合到神经网络模型中。该项目旨在使用基于物理和生物学的模型来拟合相同的数据。先前的研究表明，注意力状态的 EEG 拟合有所改善；该项目将这些方法扩展到情感状态。方法：路径积分用于经典和量子背景。经典路径积分用于定义成本/目标函数以拟合数据，量子路径积分用于推导在磁矢量势存在下 Ca 离子波的闭式解析表达式，该磁矢量势由高度同步的神经元放电产生，从而产生 EEG。ASA 用于拟合 EEG 数据。结果：该研究的数学物理和计算机部分是成功的，因为使用这些模型拟合 EEG 数据的成本/目标函数与其他作者发表的先前研究一致。但是，由于 SMNI 模型包括这些量子效应，这是继续研究这些问题的另一个原因。这里的结果是一致的，而不是比以前使用神经网络模型的工作更好，尽管这里只使用了一个参数，而不是以前在这些数据上使用的多个过滤器和内核。结论：虽然这些量子效应具有高度推测性，但明确的计算表明它们与实验数据一致，至少到目前为止是这样。当前的超级计算机项目将此模型扩展到情感/情绪数据。几位作者在单个电极位置使用神经网络方法的结果显示出一定的预测能力；这里给出的结果与其他结果一致。然而，由于 SMNI 模型包括这些量子效应，这是继续研究这些问题的另一个原因。关键词：量子力学；路径积分；重要性抽样；神经科学 2022 年 1 月 11 日收到；2022 年 1 月 23 日修订；2022 年 1 月 25 日接受 © 作者 2022。在 www.questjournals.org 上以开放获取方式出版
利用脑电图信号早期发现自闭症儿童
摘要 — 马来西亚的自闭症儿童数量在一年中不断增加。由于需要专家来诊断疾病，因此可用于自闭症诊断的评估非常有限。使用神经生理信号对自闭症进行评估的方法在马来西亚尤为稀缺。因此，本研究使用脑电图信号来尽早检测受试者是否患有自闭症，并使用情感计算来识别自闭症儿童。使用 19 通道脑电图机（称为 DABO 机）收集 4 至 5 岁受试者的脑信号。本研究的目的是关注受试者是否患有自闭症的早期检测，并使用有效计算进行识别。此外，目的还要求注意受试者和正常组之间的情绪水平差异。就本研究的方法而言，我们围绕五个不同的状态来完成实验。这些状态包括收集 EEG 数据（原始数据）、数据预处理（过滤噪声）、使用梅尔频率倒谱系数或 MFCC 进行分析的特征提取、使用多层感知器或 MLP 进行分类以及最后的结果。结果表明，正常受试者和自闭症患者之间存在显著不同的情绪。这将有利于护理人员或父母以及研究人员通过这种早期检测来识别儿童的状况。关键词 — 脑电图 (EEG)、自闭症、自闭症儿童/儿童、MFCC、MLP。
Predify：使用脑机接口增强深度神经网络......
深度神经网络擅长图像分类，但其性能对输入扰动的鲁棒性远不如人类感知。在这项工作中，我们探索是否可以通过在深度卷积网络中结合大脑启发的循环动力学来部分解决这一缺点。我们从神经科学中流行的框架“预测编码”中汲取灵感。在分层模型的每一层，生成反馈“预测”（即重建）前一层的活动模式。重建误差用于在时间步长上迭代更新网络的表示，并优化网络在自然图像数据集上的反馈权重——一种无监督训练的形式。我们表明，在两个流行的网络 VGG16 和 EfficientNetB0 中实施此策略可以提高它们对各种破坏和对抗攻击的鲁棒性。我们假设其他前馈网络也可以从所提出的框架中受益。为了促进这方面的研究，我们提供了一个基于 PyTorch 的开源包 Predify，可用于实现和研究任何卷积神经网络中预测编码动态的影响。
利用脑机接口探索认知
传统的脑机接口解码皮质运动命令来控制外部设备。这些命令是高级认知过程的产物，发生在大脑区域的网络中，整合感觉信息，规划即将进行的运动并监控正在进行的运动。我们回顾了最近在神经假体临床试验中在人类后顶叶皮质中发现的认知信号。这些信号与皮质的小区域相一致，这些小区域在运动控制和身体监控的认知方面发挥着多种作用，包括感觉运动整合、规划、轨迹表征、躯体感觉、动作语义、学习和决策。这些变量使用绑定相关感觉和运动变量的结构化表示在同一组细胞内进行编码，这种架构称为部分混合选择性。不同的认知信号为传统的运动命令提供互补信息，从而实现对外部设备的更自然、更直观的控制。