伦敦 V.Gandhi@mdx.ac.uk 摘要 - 毫无疑问,脑机接口 (BCI) 方法最重要的分支之一是通过脑信号进行替代通信的方法。BCI 利用软件和硬件将来自大脑活动感知的脑电图 (EEG) 信号转换为用户动作。BCI 引起了广泛学科研究人员的兴趣,例如认知科学、深度学习、模式匹配、药物治疗医学等。患有神经和认知障碍的患者可以通过 BCI 得到帮助,有可能通过手势或仅仅是心理想象实现交流。在本文中,采用了一种新颖的离散小波变换 (DWT) 组合来提取最佳特征,并采用了基于长短期记忆 (LSTM) 的循环神经网络 (RNN) 对站立、行走和在跑步机上跑步时获取的 EEG 信号进行分类。使用的数据集可从开放科学框架存储库免费下载。所提出的 DWT-LSTMRNN 方法在对四种不同信号进行分类时可实现 96.7% 的准确率,因此有可能在 BCI 竞赛数据集上进行进一步研究,为实时应用铺平道路。
伊莎贝尔·古德女士 网络空间方法论和任务保证部门负责人 伊莎贝尔·古德女士目前担任 DEVCOM 分析中心网络实验和分析部门的四位部门负责人之一。1990 年,她在漏洞分析实验室开始了她的公务员生涯,该实验室后来重组为陆军研究实验室 (ARL) 的一部分。古德女士领导了多个地雷/反地雷项目,此外还负责一个涉及红外诱饵的特殊项目。她的工作成果发表在 NDIA 地面战车生存能力研讨会、老乌鸦协会联合电子战会议和国际光学和光子学学会的论文集上。 1998 年,Goode 女士接受了横向任务,担任位于亚利桑那州尤马市尤马试验场的 ATEC 测试官,在那里她为弹药和武器部门开展了高知名度项目,到 2000 年,她被提升为炮兵和特殊项目部门负责人,例如 M777 轻型榴弹炮、M109 圣骑士和 M982 圣剑制导炮弹。2016 年,Goode 女士重返 ARL,担任网络电子保护部门部门负责人,至今她在 DEVCOM 分析中心担任该职务。除了部门负责人职责外,Goode 女士还领导其部门的人才管理计划和网络分析与评估中心(与 UTEP 合作),该中心为高需求的网络安全专业人员提供人才渠道。Goode 女士还担任与 UTEP、新墨西哥州立大学物理科学实验室和 SUGPIAT 国防集团签订的 3 份数百万美元合同的合同官代表。 Goode 女士获得的奖项包括西班牙裔工程师国家军事/专业成就奖(2004 年)、民事服务指挥官奖(2008 年)和民事服务成就奖章(2010 年)。Goode 女士获得了德克萨斯大学埃尔帕索分校电气和电子工程理学学士学位。她是陆军采购部队的成员,拥有测试和评估三级认证。她和孩子 James(22 岁)和 Jocelyn(16 岁)住在埃尔帕索。
未来的设计工具将由人工智能驱动,这些矛盾需要得到解决。因此,我们需要考虑人工智能如何融入支持知识工作的设计工具(即旨在支持用户创作过程的设计工具),以及人工智能如何激励设计师为用户创造新体验,而不会削弱人们对人工智能驱动系统的信任。虽然之前关于人工智能在用户体验(UX)工具中的作用的研究有些有限,但我们可以从关于人工智能在其他创意环境中的作用的研究中汲取教训。例如,对艺术家与人工智能绘图工具合作的研究表明,创意人员更喜欢一定程度的自主权,并希望“检查”人工智能创作的作品[4]。另一项研究发现,人工智能可以作为新艺术体验的灵感来源。研究人员创建了一个深度神经网络,学会了将艺术风格转移到其他图像上,例如,2016 年开发的一项算法探索将文森特·梵高的《星夜》的风格转移到了一幅鸭子画上。反过来,这种探索又引发了一系列视觉艺术和视频领域的艺术探索 [1]。同样,研究人员训练人工智能模型,使其发挥更客观的“第三只眼睛”的作用,帮助艺术史学家自信地识别和解释艺术作品 [6]。对于创意写作等更复杂的创作过程,辅助创意写作过程的工具已经利用众包工作者作为“自动化器”来产生故事创意,帮助作家畅所欲言 [3]。同样,一个面向视觉艺术家的人工智能绘图工具发现,艺术家愿意将某些琐碎的任务委托给人工智能,但不太愿意让人工智能“驱动”创作过程 [4]。虽然这些现有的作品是人工智能驱动的系统或创意写作方面的准系统如何补充现有创作实践的例子,但用户体验设计师如何看待旨在支持其创作过程的人工智能驱动工具仍不得而知。随着我们越来越多地了解将自动化引入设计过程的机会,我们已经开始发现人工智能对设计师有帮助的用例。我们将自己定位为人工智能的倡导者,通过自动化繁琐的任务和/或作为用户创作过程的助手提供灵感来支持设计师。我们的研究结果支持这一观点,即自动化必须向用户解释;即设计师应该能够发现哪些操作会影响设计工具中人工智能驱动的体验,并且应该能够审查人工智能系统产生的工作[5]。虽然这些想法正在兴起,但人们对人工智能的信任这一一般概念已被探索为用户接受人工智能驱动系统的关键[2]。
摘要:已经进行了大量研究来从各个方面提高基于运动想象的脑机接口 (BCI) 分类性能。然而,在客观和主观数据集上比较他们提出的特征选择框架性能的研究有限。因此,本研究旨在提供一种新颖的框架,该框架将不同频带的空间滤波器与双层特征选择相结合,并在已发布和自获取的数据集上对其进行评估。对脑电图 (EEG) 数据进行预处理并将其分解为多个频率子带,然后根据 Fisher 比率和最小冗余最大相关性 (mRmR) 算法提取、计算和排序其特征。通过线性判别分析 (LDA) 选择信息滤波器组进行最佳分类。研究结果首先表明,所提出的方法在准确性和 F1 分数方面可与其他传统方法相媲美。研究还发现,手与脚的分类比左手与右手的分类更具可辨性(差异为 4-10%)。最后,在应用于小规模数据时,滤波器组通用空间模式(FBCSP,无特征选择)算法的性能明显低于所提出的方法(p = 0.0029、p = 0.0015 和 p = 0.0008)。
通过重新思考计算堆栈的所有层,包括硬件、软件和软硬件基本方法和方案 [1, 2, 4]。由于有望同时实现密集存储和节能模拟处理,基于非易失性电阻技术的内存计算已成为克服上述挑战的一种有吸引力的解决方案。非易失性电阻器件是一种具有可编程电阻的双端器件,可以使用忆阻器 [11, 35]、电阻随机存取存储器 (ReRAM) [23, 38]、相变存储器 (PCM) [20, 39] 或自旋转移力矩磁性随机存取存储器 (STT-RAM) [18, 31] 来实现。通过将新兴设备集成到电阻交叉阵列 (RCA) 中,可以在模拟域中执行近似矩阵向量乘法 (MVM)。这是很有希望的,因为计算比数字域中的能源效率高得多(数量级)[17]。通过将矩阵存储在内存中并现场执行计算,数据移动也大大减少[9, 32]。此外,MVM 是许多 AI 应用中的主要计算,例如深度学习 [22]、图像处理 [24] 和图形分析 [34]。利用模拟内存计算的主要挑战是,各种错误和变化源可能会降低计算精度。这包括设备写入错误、非零阵列寄生效应、有限的设备产量、电阻漂移、温度变化、随机电报噪声和有限的设备耐久性。此外,在模拟域中引入的任何错误都可能损害加速应用程序的功能正确性。例如,神经网络的硬件分类准确性可能明显低于软件级别。相反,数字计算系统中的稳健性问题只会引入时序违规,可以使用动态电压频率缩放 (DVFS) 来缓解。为了在系统级性能上提供保证,需要在设备级、算法级和软件应用程序级进行协同创新。虽然设备级研究人员不断尝试改进制造设备的特性,但开发所需的算法和软件级支持变得迫在眉睫。在本文中,我们回顾了使用模拟内存计算加速 AI 应用所面临的挑战、解决方案和未来研究方向。第 4 节概述了未来研究的机会。第 2 节讨论了模拟矩阵向量乘法的基本概念、目标 AI 应用以及不同误差的建模。第 3 节回顾了在算法和软件层面上提高对误差的鲁棒性的最新解决方案。第 5 节总结了本文。
摘要 - 能量 - 能力是对多核嵌入式系统计算密集型实时应用的关键要求。多核处理器启用任务内的并行性,在这项工作中,我们研究了约束截止日期零星平行任务的能量 - 有效的实时计划,其中每个任务都表示为有向的无环图(DAG)。我们考虑一个聚类的多核平台,在任何给定时间,同一群集内的处理器以相同的速度运行。提出了一个新概念,该概念被提出,以模拟运行时间期间的每项按任务和人均能量消费变化,以最大程度地减少预期的长期能源消耗。据我们所知,没有现有的工作考虑使用截止日期约束的DAG任务的能源感知的实时调度,也没有在集群的多核平台上进行。 在ODROID XU-3董事会上实施了拟议的能源感知的实时调度程序,以评估并证明其可行性和实用性。 为了补充我们的系统实验,我们还进行了模拟,与现有方法相比,通过我们提出的方法,CPU节省了高达67%的能源。据我们所知,没有现有的工作考虑使用截止日期约束的DAG任务的能源感知的实时调度,也没有在集群的多核平台上进行。在ODROID XU-3董事会上实施了拟议的能源感知的实时调度程序,以评估并证明其可行性和实用性。为了补充我们的系统实验,我们还进行了模拟,与现有方法相比,通过我们提出的方法,CPU节省了高达67%的能源。
首先,他为完成本论文的贡献以及许多其他学术机会做出了贡献 - 我感谢我非常支持的主管Yiftach Fehige。没有人做更多的事情来帮助我弄清楚我想说的关于约翰·沃利斯,科学和宗教以及十七世纪的话。Todah Rabah。 一路上,许多人友好地提供了时间和注意力来阅读草稿并讨论我的研究。 特别感谢Steve Snobelen,Philip Beeley,Elizabeth Harvey,Craig Fraser,Doug Jesseph,Jason Rampelt,Peter Harrison和Jacqueline Stedall的贡献。 也感谢IHPST的其他教师和我的研究生。 在一起,您已经扩大了我的视野,挑战了我的想法,并教会了我如何从crot骨十七世纪的数学家的角度思考世界,并倾向于选择战斗。 IHPST的工作人员日复一日地支持六年多。 感谢Muna Salloum和Denise Horsley的一切。 感谢我的家人保持精神振奋,并在每次见到您时都会听我无人机。 特别感谢我父母的慷慨和坚定不移的支持。 感谢Tonks分散了我的注意力,并在我试图完成评分时在考试中睡觉。 我特别欠一个人的最大债务:我出色的妻子杰西。 您给我勇于解决人生的所有挑战,尤其是我在研究生院的七年旅程。 我爱你,没有你,我做不到。Todah Rabah。一路上,许多人友好地提供了时间和注意力来阅读草稿并讨论我的研究。特别感谢Steve Snobelen,Philip Beeley,Elizabeth Harvey,Craig Fraser,Doug Jesseph,Jason Rampelt,Peter Harrison和Jacqueline Stedall的贡献。也感谢IHPST的其他教师和我的研究生。在一起,您已经扩大了我的视野,挑战了我的想法,并教会了我如何从crot骨十七世纪的数学家的角度思考世界,并倾向于选择战斗。IHPST的工作人员日复一日地支持六年多。感谢Muna Salloum和Denise Horsley的一切。感谢我的家人保持精神振奋,并在每次见到您时都会听我无人机。特别感谢我父母的慷慨和坚定不移的支持。感谢Tonks分散了我的注意力,并在我试图完成评分时在考试中睡觉。我特别欠一个人的最大债务:我出色的妻子杰西。您给我勇于解决人生的所有挑战,尤其是我在研究生院的七年旅程。我爱你,没有你,我做不到。这是我生活中有些事情即将结束的时期,但是其他许多事情才刚刚开始。我希望下一章的喜悦,挑战,兴奋和突然清晰的时刻。