XiaoMi-AI文件搜索系统
World File Search System脉冲
用于估计 iCub 机器人头部姿势的片上脉冲神经网络
在这项工作中，我们提出了一种用于人形 iCub 机器人头部姿势估计和场景表示的神经形态架构。脉冲神经网络在英特尔的神经形态研究芯片 Loihi 中完全实现，并精确整合发出的运动命令，以在神经路径整合过程中估计 iCub 的头部姿势。iCub 的神经形态视觉系统用于校正姿势估计中的漂移。机器人前方物体的位置使用片上突触可塑性来记忆。我们使用机器人头部的 2 个自由度 (DoF) 进行实时机器人实验，并展示精确的路径整合、视觉重置和片上物体位置学习。我们讨论了将机器人系统和神经形态硬件与当前技术集成的要求。
操作相干短脉冲激光二极管 st905a13-to...
将激光二极管连接到驱动器时，将串联电感降至最低将使脉冲的上升时间保持在最低水平，从而实现最短的脉冲。这意味着引线应尽可能短，激光二极管应尽可能靠近驱动器安装。如果无法将激光二极管直接连接到驱动器，则需要使用低电感传输线。传输线电感的典型值约为每英寸 20 nH。这意味着在 10 ns 内切换 40 A 的电流（di/dt 为 40 A/10 ns）将导致 80 V 的瞬态电压。较长的传输线会导致更高的感应瞬态电压，从而导致脉冲上升时间显著增加并限制性能。[2] 很好地概述了电气连接如何影响脉冲性能。
操作相干短脉冲激光二极管 st905a13-to...
将激光二极管连接到驱动器时，将串联电感降至最低将使脉冲的上升时间保持在最低水平，从而实现最短的脉冲。这意味着引线应尽可能短，激光二极管应尽可能靠近驱动器安装。如果无法将激光二极管直接连接到驱动器，则需要使用低电感传输线。传输线电感的典型值约为每英寸 20 nH。这意味着在 10 ns 内切换 40 A 的电流（di/dt 为 40 A/10 ns）将导致 80 V 的瞬态电压。较长的传输线会导致更高的感应瞬态电压，从而导致脉冲上升时间显著增加并限制性能。[2] 很好地概述了电气连接如何影响脉冲性能。
年龄和性别对成对脉冲抑制的影响和对听觉的预抑制诱发潜力
在现代植物育种中，基因组选择已成为选择仅部分表型的大型繁殖种群中的优质基因型的黄金标准。许多育种计划通常依赖于单核苷酸多态性（SNP）标记来捕获全基因组的选择候选数据。为此，具有中等至高标记密度的SNP阵列代表了一种强大且具有成本效益的工具，可从大规模繁殖群体中生成可重现，易于处理的高通量基因型数据。但是，SNP阵列容易出现导致等位基因呼叫失败的技术错误。为了克服这个问题，基于失败的SNP调用纯粹是技术性的，通常会估算失败的呼叫。但是，这忽略了失败调用的生物学原因，例如：缺失 - 越来越多的证据表明基因存在 - 缺失和其他类型的基因组结构变体可以在表型表达中发挥作用。由于缺失通常不与其弯曲的SNP不平衡，因此缺少SNP调用的排列可能会掩盖有价值的标记 - 性状关联。在这项研究中，我们使用四个参数和两个机器学习模型分析了为低油菜籽和玉米分析的数据集，并证明基因组预测中的等位基因调用失败对重要的农艺性状具有很高的预测。我们根据种群结构和连锁不平衡提出了两个统计管道，这使可能由生物学原因引起的失败SNP调用过滤。对于所检查的人群和特征，基于这些过滤的失败等位基因调用的预测准确性与基于标准SNP的预测具有竞争力，这是基因组预测方法中缺失数据的潜在价值的基础。SNP与所有失败的等位基因调用或过滤等位基因调用的组合并不能以基于基因组关系估计的冗余性而获得的基于SNP的预测的预测均超过预测。
增强的数值模拟研究在脉冲电场控制下稀释乳液中加速拆除的数值模拟研究
这项研究使用多组分晶格玻尔兹曼颜色模型模拟了乳液中乳化液化的动态演变，该模型整合了脉冲电场和流场。使用面积与圆形比定量分析分散相液滴的聚集程度。数值模拟的结果表明，在三种类型的脉冲电场下，稀释乳液的拆除行为：直流电场（DC）脉冲电场，单向三角脉冲电场和双向三角脉冲电场。发现表明在脉冲电场下稀释乳液中电泳和振荡合并发生。改进的双向三角脉冲电场相对于直流脉冲或单向三角脉冲电场的效率提高。此外，增强的双向三角脉冲电场有效地拆除了水中稀释的乳液，并防止在不同组件比率上高压下的油滴在高压下分解。
在离子植入和NS脉冲激光退火时激活硅在硅中的发射器
光学主动电信发射器的最新演示表明，硅是固态量子光子平台的引人注目的候选者。尤其是，在常规的热退火后，已在富含碳的硅中显示了称为G中心的缺陷的制造。然而，这些发射器在晶圆尺度上的高收益受控制造仍然需要鉴定合适的热力学途径，从而在离子植入后激活其激活。在这里，我们证明了纳秒脉冲激光退火时高纯硅底物中G中心的激活。该提出的方法通过供应短的非平稳脉冲来实现G中心的非侵入性，局部激活，从而克服了与发射器的结构性亚元能力相关的常规快速热退火的局限性。有限元的分析突出了该技术的强大非平稳性，提供了与常规更长的热处理相对于常规的较长热处理的根本不同的缺陷工程能力，为嵌入在集成光子电路和波导的集成光子电路和波导中的发射器的直接和受控制造铺平了道路。
引用了脉冲版本（APA）：Hanifi，S。M. A.，Fisherman，A。B.，Welaga，P.，Rieckmann，A.，Jensen，A。G.，Benn，C。，＆Aaby，P。（2021）。 Diphth
•您可以下载此工作仅供个人使用。•您不得进一步分发材料或将其用于任何盈利活动或商业收益•如果您认为本文档违反版权，请与我们联系以提供详细信息，我们将调查您的索赔，可以自由分发此开放访问版本的URL。请将所有查询转移到puresupport@bib.sdu.dk
水文历史和洪水脉冲控制铁和硫代谢成分，与沿海湿地中库群岛实验中的温室气体产生相关性
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年3月5日。 https://doi.org/10.1101/2025.03.03.03.641170 doi：Biorxiv Preprint
探索药物诱导的脉冲控制障碍的基本机制：药物守流 - 药效研究
Fusaroli M.，Giuchi V.，Battini V.，Gringeri M.，Rimondini R.，Menchetti M.等。（2023）。探索药物诱导的脉冲控制障碍的基本机制：一项药物守护 - 药效研究。精神病学和临床神经科学，77（3），160-167 [10.1111/pcn.13511]。
X-ippgnet：一种基于深度可分离卷积的新颖的一阶段深度学习结构，用于基于视频的脉冲率估计
脉搏率（PR）是评估一个人健康的最重要标记之一。随着对长期健康监测的需求不断增长，使用成像光电学（IPPG）对非接触式PR估计的关注非常关注。这种非侵入性技术基于肤色细微变化的分析。尽管可以改善IPPG，但现有算法容易受到较不受约束的场景（即头部移动，面部表情和环境条件）。在本文中，我们提出了一个新颖的端到端时空网络，即X-ippgnet，直接从面部视频记录中直接进行瞬时PR估计。不像大多数现有系统一样，我们的模型从头开始学习IPPG概念，而无需结合任何先验知识或通过提取血液体积脉冲信号的提取。受Xception网络体系结构的启发，颜色通道解耦用于学习其他照相学信息信息，并概念地降低计算成本和内存重新质量。此外，X-ippGnet可以从短时间窗口（2秒）中预测脉搏率，该脉冲率具有较高且明显的脉搏率的优点。实验结果揭示了在所有条件下的高性能，包括头部运动，面部表情和肤色。我们的AP-PRACH明显优于三个基准数据集上的所有当前最新方法：MMSE-HR（MAE = 4。10; RMSE = 5。32; r = 0。85），ubfc-rppg（Mae = 4。99; RMSE = 6。26; r = 0。67），mahnob-hci（Mae = 3。17; RMSE = 3。93; r = 0。88）。