XiaoMi-AI文件搜索系统
World File Search System系统活动
高度敏感人群的情绪感染和镜像系统活动
摘要：日本最近精神疾病的发病率有所上升。被定义为“高敏感人群 (HSP)”。HSP 不是精神疾病的诊断，而是指个人气质。然而，这组特征与注意力缺陷/多动障碍和广泛性焦虑症具有共同特征。HSP 的核心特征是高度的同理心。对一个人的 HSP 状态的评估是通过心理问卷上的自我报告进行的，但由于这些测量依赖于测试者的自我意识，因此这些测量的分数可能不准确。因此，在本研究中，通过使用脑电图测量情绪感染和镜像系统活动来评估同理心。将结果与参与者在高敏感人群量表 (HSPS) 上的得分进行比较。我们发现 HSPS 分数为 100 或更高的参与者表现出 50% 或更高的事件相关去同步 (ERD)，表明镜像系统活动。此外，HSPS 评分为 100 或更高的参与者在看到快乐面孔的图像时表现出较低的 alpha 波段功率值。由于 alpha 波与放松的非唤醒状态有关，因此可以推断，快乐的面孔会引发快乐的感觉，增加唤醒并降低 alpha 节律。因此，研究发现 HSPS 评分越高，镜像系统活动和情绪感染的水平就越高。关键词：alpha 节律、情绪感染、ERD、高敏感人群、镜像系统活动 1. 引言
原创研究通过心率变异性评估房颤发作前的自主神经系统活动
背景：神经调节已被证明可以提高心房颤动 (AF) 消融手术的疗效。然而，尽管它能够影响自主神经系统 (ANS)，但其确切的作用机制仍不清楚。ANS 通过心内神经系统 (ICNS) 的活动可以从心率变异性 (HRV) 推断出来。因此，本研究旨在通过分析大量新患者中 HRV 的演变来调查 AF 发作前 ICNS 变化的意义。方法：我们从 95,871 个 Holter 记录数据库中选择并注释了 AF 和心房扑动的记录。每条记录都包括窦性心律和一次或多次 AF 发作。我们计算了估计副交感神经活动的参数（连续 RR 间隔差异的均方根 (RMSSD) 和相差超过 50 毫秒的连续 RR 间隔的百分比 (pNN50)）以及 AF 发作前几分钟的 HRV 频率参数。为了能够逐分钟评估参数变化，我们从房颤发作前 35 分钟开始，计算了 5 分钟滑动窗口内的参数值。结果：整个患者组的平均年龄为 71.1 ± 11.3 岁（范围 35–99），570 名患者的 623 条记录中发作总次数为 1319 次，平均每次记录发作 2.1 ± 2.2 次（范围 1–17），每位患者发作 2.3 ± 2.6 次（范围 1–21）。房性早搏 (PAC) 的比例从房颤发作前 35 分钟的 4.8 ± 0.3% 增加到房颤发作前 5 分钟的 8.3 ± 0.4%。我们测量了 AF 发作前 35 分钟至 5 分钟之间极低频 (VLF)、低频 (LF)、高频 (HF)、RMSSD 和 pNN50 的统计显著增加。结论：我们的数据表明，在大多数 AF 事件发生之前，迷走神经活动会显著增加。在确定最佳神经调节策略时，可以考虑 HRV 参数的动态变化。
自主神经系统活动与DMT诱导的峰值经验相关，并预测福祉的增加
通过迷幻而引起的非平民意识状态可以伴随着所谓的“峰值体验”，其强度和积极的价在情感层面上是特征的。这些经验是迷幻辅助疗法后积极结果的有力预测指标，因此更好地了解其生物学很重要。越来越多的证据表明自主神经系统（ANS）在调解情感体验中起着重要作用，但对迷幻体验的参与知之甚少。这项研究的目的是研究交感神经（SNS）和副交感神经系统（PNS）对心脏活性的相对影响的现有变化可能反映出由短暂作用的迷幻N，N-二甲基化胺（DMT）引起的主观经验。我们从17名参与者的心电图数据（男性，6名女性，平均年龄= 33.8 y，sd = 8.3）中得出了SNS和PNS活性的测量，而他们则接受了DMT或安慰剂或安慰剂。结果表明，SN和PN（“交感传播共同激活”）对心脏活动的关节影响与DMT经验期间的“精神经验”和“有见地”的参与者评分牢固相关，同时在课程结束后两周也与改善的健康状况分数有关。此外，我们发现在DMT注射预测在DMT体验期间，在DMT注入预测的“有见地”的得分之前，两个ANS分支之间的平衡状态。这些发现证明了ANS参与迷幻诱发的峰值体验，并可能为开发基于生物反馈的工具铺平道路，以增强迷幻疗法。
价值驱动的系统工程方法在决策过程中处理制造，供应链和飞机设计
为了满足异类的社会需求，如今需要更复杂，创新，可持续和循环的航空系统。可持续和循环航空的目的是减少与所有航空系统活动和运营相关的燃料消耗，废物和排放方面的影响（Flightath2050，2011）。因此，必须将航空研究的分支扩展到整个飞机生命周期，从设计到生产，再到系统活动结束后的处置。这肯定会扩大设计空间，必须考虑在设计阶段与飞机开发不同阶段相关的更多变量。但是，这为航空行业提供了极大的可能性，以赢得如今的全球和竞争市场（Wu＆O'Grad，1999年）。在此框架中，航空中的DLR系统建筑研究所旨在开发方法，以使多个领域的并发耦合（例如设计，制造）在飞机设计的早期阶段，以实现优化整个飞机生命周期的解决方案。这一雄心勃勃的目标的第一步是在欧洲资助的H2020项目敏捷4.0（INEA＆Consortium，2019年）中的穿着。通过利用多学科设计优化（MDO）和基于模型的系统工程（MBSE）技术，该项目旨在在整个生命周期中创建系统中系统中的数字表示（Ciampa＆Nagel，2021年）。尤其是，挑战之一是在飞机设计的早期阶段包括航空供应链的所有主要支柱，目的是使创新的折衷研究从未进行过。
原创研究急性应激对皮质电活动和心脏自主神经耦合的影响
心率变异性评估（反映心脏自主神经系统）已显示出对压力的一些预测能力。此外，通过心电图和脑电图评估的大脑皮层活动和心脏自主神经相互作用的不同模式的预测能力尚未在急性压力的背景下进行探索。本研究确定了静息和急性压力状态下神经-心脏自主神经耦合的不同模式。特别是在压力任务期间，额叶 delta 波活动与低频心率变异性呈正相关，与高频心率变异性呈负相关。低高频功率与压力和焦虑以及迷走神经控制下降有关。发现静息高频心率变异性和额中部伽马活动之间存在正相关，而静息时低频心率变异性和伽马波耦合之间存在直接的反比关系。在压力任务中，低频心率变异性与额叶 delta 活动呈正相关。也就是说，在压力任务中，副交感神经系统活动减少，而额叶 delta 波活动增加。我们的研究结果表明，心脏副交感神经系统活动与静息和急性压力期间的额叶中央伽马和 delta 活动之间存在关联。这表明，在急性压力期间，副交感神经活动减少，并且与神经元皮质前额叶活动相结合。本研究确定的神经-心脏耦合的不同模式为大脑和心脏之间的动态关联提供了独特的见解
04-Semenov.pdf - 控制、通信和安全系统
在立即侵略威胁期间联合的自动控制系统（TOS和ACS），其主要要素及其之间的关系，在补充由于各种因素的影响而发生故障的通信设备时发生的过程。基于现代世界实践，进一步改进TOS和自动化控制系统的一个有希望的方向是使用射频识别和遥测技术，通过实时或近距离确定设备和通信设备动态运动的坐标。实时，以及利用有关设备和通信资产位置的信息来优化交付路线，以减少完成协会通信技术支持系统和自动控制系统活动所需的时间。所考虑问题的相关性使我们能够制定研究目标——提高效率
Grossberg代码：感知体验的通用神经网络签名
未来创新，可持续和循环飞机配置的设计出现了必须将航空研究的分支扩展到整个飞机生命周期，从设计到生产，再到系统活动结束后的处置。In this frame, within the EU-funded H2020 AGILE 4.0 project, the concurrent coupling of the three domains of product design, manufacturing and supply chain has been addressed by levering Model-Based Systems Engineering (MBSE) and Multidisciplinary Design and Optimization (MDO) technologies The MBSE models and the MDO preliminary results related to the three- dimensional approach applied to a specific aircraft component, that is the在本研究活动中解决了水平尾平面，并在论文中介绍。
计算系统设计中的可靠性问题
本文概述了实现复杂计算系统高可恢复性所涉及的各种问题，并讨论了系统结构技术和容错技术之间的关系。涵盖的主题包括：1）硬件和软件中的保护冗余；2）使用原子动作来构造系统活动以限制信息流；3）错误检测技术；4）定位和处理故障以及评估故障造成的损害的策略；5）基于恢复线、承诺、例外和补偿概念的前向和后向错误恢复技术。所描述的思想与迄今为止在用于需要高可靠性的环境的系统中所使用的技术有关。本文详细描述并比较了三个特定系统：JPL-STAR、贝尔实验室 ESS No. 1A 处理器和 PLURIBUS。
使用机器学习Dipak Shid*，Parikshit Patil **，Shrikrushna Shinde ***，Himanshu Shinde **** mani
传统的勒索软件检测技术（此类基于签名的检测）无法跟上最新的，不断变化的勒索软件变体。由于基于签名的技术取决于发现众所周知的恶意代码模式，因此他们无法识别出新颖的未发现的勒索软件菌株。攻击者会定期使用勒索软件，因为其复杂性会增加。通过检查与有害活动相关的模式和行为，机器学习提供了实时勒索软件攻击检测的能力。通过检测与典型的系统行为不同，机器学习模型与基于签名的技术相反，能够检测出新颖的勒索软件变体。基于系统活动数据，诸如随机森林和支持矢量机（SVM）之类的算法表现出有效识别和分类勒索软件的潜力。