XiaoMi-AI文件搜索系统
World File Search System立于
基于监督自动编码器的独立于受试者的脑机接口框架
摘要 — 基于运动想象的脑机接口 (MI-BCI) 需要校准程序来为新用户调整系统。此过程非常耗时，并且会阻止新用户立即使用系统。由于 MI 信号的主体相关特性，开发独立于主体的 MI-BCI 系统以减少校准阶段仍然具有挑战性。已经开发了许多基于机器学习和深度学习的算法来从 MI 信号中提取高级特征，以提高 BCI 系统对主体的泛化能力。然而，这些方法基于监督学习并提取可用于区分各种 MI 信号的特征。因此，这些方法无法在 MI 信号中找到共同的潜在模式，并且其泛化水平有限。本文提出了一种基于监督自动编码器 (SAE) 的独立于主体的 MI-BCI 来绕过校准阶段。建议的框架在 BCI 竞赛 IV 中的数据集 2a 上得到了验证。模拟结果表明，在九个受试者中的八个中，我们的 SISAE 模型在平均 Kappa 值方面优于传统的和广泛使用的 BCI 算法、常见空间和滤波器组常见空间模式。
基于原型的独立于主体的脑机接口领域泛化框架
摘要 — 由于脑电图 (EEG) 的受试者间/受试者内变异性，脑机接口 (BCI) 在实践中难以使用。通常，BCI 系统需要一种校准技术来获取受试者/会话特定数据，以便在每次使用系统时调整模型。这个问题被认为是 BCI 的一个主要障碍，最近出现了一种基于领域泛化的新策略来解决它。鉴于此，我们专注于开发一个 EEG 分类框架，该框架可以直接应用于来自未知域（即受试者）的数据，仅使用先前从不同受试者获得的数据。为此，在本文中，我们提出了一个框架，该框架采用开放集识别技术作为辅助任务，从源数据集中学习特定于主题的风格特征，同时帮助共享特征提取器将看不见的目标数据集的特征映射为新的看不见的域。我们的目标是在同一域中施加跨实例样式不变性，并降低潜在未见主体的开放空间风险，以提高共享特征提取器的泛化能力。我们的实验表明，使用域信息作为辅助网络可以提高泛化性能。临床相关性——本研究提出了一种提高独立于主体的 BCI 系统性能的策略。我们的框架可以帮助减少进一步校准的需要，并可用于一系列心理状态监测任务（例如神经反馈、癫痫发作的识别和睡眠障碍）。
使用无线信号进行独立于主体的情绪检测的深度学习框架
使用无线信号进行情绪状态识别是一个新兴的研究领域，对人类行为和幸福感监测的神经科学研究产生了影响。目前，对立情绪检测主要依赖于从光学或摄像机获取的面部表情和/或眼球运动的分析。同时，尽管机器学习方法已被广泛用于从多模态数据中识别人类情绪，但它们大多局限于缺乏通用性的受试者相关分析。在本文中，我们报告了一项实验研究，该研究从身体的射频 (RF) 反射中收集 15 名参与者的心跳和呼吸信号，然后采用新颖的噪声过滤技术。我们提出了一种基于原始 RF 数据和处理后的 RF 信号融合的新型深度神经网络 (DNN) 架构，用于对各种情绪状态进行分类和可视化。所提出的模型对独立受试者的分类准确率高达 71.67%，准确率、召回率和 F1 值分别为 0.71、0.72 和 0.71。我们将我们的结果与五种不同的经典 ML 算法的结果进行了比较，结果表明，即使原始 RF 和后处理时间序列数据量有限，深度学习也能提供卓越的性能。通过将我们的结果与 ECG 信号的结果进行比较，深度学习模型也得到了验证。我们的结果表明，使用无线信号进行待机情绪状态检测是一种比其他技术更好的替代方案，具有较高的准确性，在未来的行为科学研究中具有更广泛的应用。
为由太阳能和风能供电的独立于电网的建筑群提供微电网
摘要：减少二氧化碳排放和避免全球气候变化需要电力生产行业转向依赖非碳能源。此外，减轻微电网中的鸭形曲线效应需要开发独立于电网的建筑。对北德克萨斯州地区一千座独立于电网的建筑群进行了计算，该地区夏季的空调需求很高。电力需求与风力涡轮机、光伏电池或氢气罐中储存的能量产生的能量供应相平衡。结果表明，在运行一台风力涡轮机的情况下，每座建筑必须配备额定容量为 10.2 kW 的光伏电池和一个容量为 5.2 m 3 的氢气罐，才能满足建筑社区的每小时需求。增加更多风力涡轮机会显著降低所需的光伏额定值，但会增加所需的存储量。投资建筑物的节能措施会显著降低所需的存储容量和光伏电池额定值。
CISH 的基因编辑可独立于免疫检查点细胞表面配体的表达增强 T 细胞效应程序
。CC-BY-NC-ND 4.0 国际许可，根据 （未经同行评审认证）提供，是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2021 年 8 月 17 日发布。；https://doi.org/10.1101/2021.08.17.456714 doi：bioRxiv 预印本
用于解码高级视觉图像任务的独立于主体的脑机接口
摘要 — 脑机接口 (BCI) 用于识别人类的状态和意图，实现人与设备之间的通信。使用脑电图 (EEG) 信号进行人与无人机之间的通信是 BCI 领域最具挑战性的问题之一。特别是，与无人机控制相比，无人机群的控制（方向和编队）具有更多优势。视觉意象 (VI) 范式是受试者在视觉上想象特定的物体或场景。减少受试者 EEG 信号之间的变异性对于基于 BCI 的实际系统至关重要。在本研究中，我们提出了子纪元特征编码器 (SEFE)，以通过使用 VI 数据集来提高与受试者无关的任务的性能。本研究是首次尝试展示基于 VI 的 BCI 中受试者之间泛化的可能性。我们使用留一交叉验证来评估性能。包含我们提出的模块比排除我们提出的模块时获得更高的性能。在六种不同的解码模型中，带有 SEFE 的 DeepConvNet 表现出最高的 0.72 性能。因此，我们证明了使用我们提出的模块在与主题无关的任务中解码 VI 数据集并具有稳健性能的可行性。
果蝇结构蛋白CTCF对于苍蝇生存不是必不可少的，并且能够独立于CP190
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印版的版权持有人于2021年5月31日发布。 https://doi.org/10.1101/2021.05.31.446447 doi：Biorxiv Preprint
感知决策中独立于主体和任务的神经相关性以及决策信心的预测
摘要 目的。在许多现实世界的决策任务中，决策者可获得的信息是不完整的。为了解释这种不确定性，我们为每个决策关联一定程度的置信度，表示该决策正确的可能性。在本研究中，我们分析了 68 名参与者进行八个不同感知决策实验的脑电图 (EEG) 数据。我们的目标是调查 (1) 是否存在与受试者和任务无关的决策信心神经相关性，以及 (2) 在多大程度上可以构建能够在逐次试验基础上估计信心的脑机接口。实验涵盖了广泛的感知任务，从而可以将与任务相关的决策特征与与任务无关的特征分开。方法。我们的系统训练人工神经网络，根据 EEG 数据和响应时间预测每个决策的信心度。我们将解码性能与三种训练方法进行了比较：(1) 单个受试者，训练数据和测试数据均来自同一个人； (2) 多主体，所有数据都属于同一任务，但训练和测试数据来自不同的用户；(3) 多任务，训练和测试数据来自不同的任务和主体。最后，我们使用另外两个实验的数据验证了我们的多任务方法，其中未报告置信度。主要结果。我们发现在刺激锁定和反应锁定时期，不同置信度水平的 EEG 数据存在显著差异。我们所有的方法都能够比相应的参考基线好 15% 到 35% 之间的置信度进行预测。意义。我们的结果表明，即使使用迁移学习方法，也可以从神经信号中重建对感知决策任务的置信度。这些置信度估计基于决策过程，而不仅仅是置信度报告过程。
基于规则的多目标蚱蜢优化算法优化的独立于电网的微电网长期最优容量规划能量管理方案
使用可持续能源系统 (SES) 为偏远社区提供离网电气化是实现可持续发展目标的必要条件。尽管如此，SES 的容量规划仍具有挑战性，因为它需要从长期角度满足波动的需求，此外还具有可再生能源 (RES) 的间歇性和不可预测性。由于容量规划问题的非线性和非凸性，必须采用有效的技术来实现具有成本效益的系统。现有技术受到目标函数可导性和连续性方面的一些限制，容易过早收敛，计算要求高，在不同应用中遵循严格的程序来微调算法参数，并且通常无法在优化过程的开发和探索阶段提供公平的平衡。此外，文献综述表明，研究人员在计算微电网容量规划问题时通常不会实施和检查微电网的能源管理方案 (EMS)。本文提出了一种基于规则的 EMS (REMS)，它由受自然启发的草跳优化算法 (GOA) 优化，用于独立于电网的微电网的长期容量规划，该微电网包含风力涡轮机、光伏发电、电池 (BT) 组和柴油发电机 (D gen)。其中，基于规则的算法用于实施 EMS，以优先使用 RES 并协调所提议微电网组件的功率流。随后，尝试探索和确认与 GOA 结合的所提议 REMS 的效率。目标函数的最终目标是最小化能源成本 (COE) 和供电概率不足 (DPSP)。通过长期模拟研究检查 REMS 的性能，以确定 REMS 的弹性并确保不违反 BT 存储的运行限制。将 GOA 的结果与粒子群优化 (PSO) 和布谷鸟搜索算法 (CSA) 进行了比较。模拟结果表明，所提出的技术在收敛到最优解方面具有优越性。模拟结果证实，所提出的 REMS 有助于更好地采用更清洁的能源生产系统，因为与传统的 D gen 相比，该方案分别显着降低了燃料消耗、二氧化碳排放量和 COE 92.4%、92.3% 和 79.8%。算法的比较评估表明，REMS-GOA 的结果更佳，因为它提供的 COE（目标函数）最低，为 0.3656 美元/千瓦时，而 REMS-CSA 为 0.3662 美元/千瓦时，REMS-PSO 为 0.3674 美元/千瓦时，对于期望的 DPSP 为 0%。最后，进行敏感性分析，以突出未来可能出现的不确定性对系统输入的影响。
一篇开创性的论文，提供了一种精确、独立于观察者分析神经退行性痴呆症 18 F-FDG 脑部扫描结果的工具
放射自显影。该方法提供了局部脑功能图，这是因为区域脑葡萄糖代谢与神经元（主要是突触）活动偶联。1979 年发表的开创性论文将 Sokoloff 方法扩展到使用 PET 和 18 F-FDG 进行人脑成像。20 世纪 80 年代初，人们开始研究神经精神疾病中的区域脑葡萄糖代谢和局部神经元活动。对阿尔茨海默病 (AD) 的扫描显示颞顶联合皮层代谢减慢；这被认为是该病的典型特征。当时，脑 PET 图像的定量分析使用感兴趣区域，比较患者和对照组脑区放射性示踪剂的值。随后，开发了更自动化的方法，如统计参数映射 ( 3 )，通过将 PET 图像映射到立体定向脑图谱上来检测局部变化。这些方法有助于逐像素地比较 PET 图像组，这种方法广泛用于分析区域 15 O-水图像