XiaoMi-AI文件搜索系统
World File Search SystemBCI
量子BCI全球灵活的资金基金（a）MQWF ...
投资政策量子BCI全球灵活的资金基金是灵活的全球基金。投资目标是最大化长期总回报。它将投资广泛的参与式利益和其他形式的参与计划，涵盖广泛的投资理念，以实现反映投资组合投资目标的投资组合。投资将除了液体形式的资产外，还将仅包括参与式利益和其他形式的本地和全球集体投资计划的参与，或其他类似计划的参与，对股票证券，财产证券，非股权证券，债券，债券，债券，偏好和货币市场工具进行投资。经理应在各个市场，资产类别和国家之间具有最大的灵活性，以反映不断变化的经济和市场状况。投资组合经理正在以最小海上敞口为80％的投资组合管理投资组合。
starfunds.ai BCI平衡基金（C）
FAIS利益冲突披露请注意，您的财务顾问可能是共同命名合作伙伴和/或BCI的关联方。您的财务顾问有责任披露他/她从任何关联方获得的所有费用。投资组合的TER包括投资组合给BCI的所有费用，受托人，审计师，银行，共同命名合作伙伴，基础投资组合以及任何其他投资顾问/经理以及分销费用以及LISP折扣。投资组合的绩效编号是计算TER费用的净值。投资经理在适用的情况下赚取了一部分服务费和绩效费。在某些情况下，投资组合投资于构成BCI计划一部分的其他投资组合。这些投资将在本文档中详细介绍，如适用。
使用感觉门控现象朝基于SSEP的BCI
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
MI-BCI 性能与受试者特定的频带特征相关
* 电子邮件：camille.benaroch@inria.fr 简介：运动想象 (MI) 任务调节 EEG 活动，尤其是在 α 和 β 频带 (8-30 Hz) 中。在 BCI 校准期间，通常使用数据驱动方法来选择这些频带中的特征，而很少考虑由此产生的人类表现。这种方法能达到最佳性能吗？为了回答这个问题，本研究调查了机器学习选择的特定受试者频带的特征（平均频率 (FB-Mean) 和长度 (FB-Length)）与在线 BCI 用户表现之间的关系。
基于突发 c-VEP 的 BCI：优化刺激设计，以最少的校准数据增强分类并改善用户体验
利用代码调制视觉诱发电位 (c-VEP) 形式的非周期性闪烁视觉刺激代表了反应性脑机接口 (rBCI) 领域的一项关键进步。c-VEP 方法的主要优势在于模型的训练与目标的数量和复杂性无关，这有助于减少校准时间。尽管如此，现有的 c-VEP 刺激设计可以在视觉用户体验方面进一步改进，同时实现更高的信噪比，同时缩短选择时间和校准过程。在本研究中，我们介绍了一种创新的代码 VEP 变体，称为“突发 c-VEP”。这种原创方法涉及以故意缓慢的速率呈现短暂的非周期性视觉闪光，通常每秒闪光两次到四次。这种设计背后的原理是利用初级视觉皮层对低级刺激特征的瞬时变化的敏感性来可靠地引发一系列独特的视觉诱发电位。与其他类型的快节奏代码序列相比，突发 c-VEP 表现出良好的特性，可以使用卷积神经网络 (CNN) 实现高按位解码性能，从而有可能在需要更少校准数据的情况下实现更快的选择时间。此外，我们的研究重点是通过减弱视觉刺激对比度和强度来降低 c-VEP 的感知显着性，以显著提高用户的视觉舒适度。通过涉及 12 名参与者的离线 4 类 c-VEP 协议测试了所提出的解决方案。按照因子设计，参与者被指示关注 c-VEP 目标，其模式（突发和最大长度序列）和幅度（100% 或 40% 幅度深度调制）在实验条件下被操纵。首先，全幅突发 c-VEP 序列表现出更高的准确度，范围从 90.5%（使用 17.6 秒的校准数据）到 95.6%（使用 52.8 秒的校准数据），而 m 序列的准确度为 71.4% 到 85.0%。两种代码的平均选择时间（1.5 秒）与之前研究报告相比更为有利。其次，我们的研究结果表明，降低刺激强度仅会稍微降低突发代码序列的准确度至 94.2%，同时会显着改善用户体验。总之，这些结果证明了所提出的突发代码在性能和可用性方面推进反应式 BCI 的巨大潜力。收集的数据集以及所提出的 CNN 架构实现均通过开放存取存储库共享。
NeuroWizard：研究游戏化对患有 ADHD 的成年用户的 BCI 表现的影响
权利一般权利在公共门户网站上发布的出版物的版权和道德权利归作者和/或其他版权所有者所有，访问出版物的条件是用户必须承认并遵守与这些权利相关的法律要求。 - 用户可以为私人学习或研究目的从公共门户网站下载并打印任何出版物的一份副本。 - 您不得进一步分发该材料或将其用于任何盈利活动或商业收益 - 您可以自由分发公共门户网站上标识出版物的 URL”删除政策如果您认为本文档侵犯了版权，请联系我们提供详细信息，我们将立即删除对该作品的访问权限并调查您的索赔。
RSVP 下基于视觉 ERP 的 BCI 中的刺激大小效应
摘要：快速序列视觉呈现 (RSVP) 是目前最适合用于基于事件相关电位 (ERP-BCI) 的视觉脑机接口 (ERP-BCI) 的范例之一，适用于眼球运动障碍患者。然而，凝视非依赖性范例的研究不如凝视依赖性范例那么深入，而且在 RSVP 下尚未探索诸如呈现的刺激大小等变量。因此，本研究的目的是评估刺激大小是否会影响 RSVP 范例下的 ERP-BCI 性能。12 名参与者使用三种不同的刺激大小测试了 RSVP 下的 ERP-BCI：小 (0.1 × 0.1 厘米)、中 (1.9 × 1.8 厘米) 和大 (20.05 × 19.9 厘米)，距离为 60 厘米。结果显示，不同条件下的准确度存在显著差异；刺激越大，准确度越高。研究还表明，这些差异不是由于对刺激的错误感知造成的，因为在感知辨别任务中，刺激大小没有影响。因此，本研究显示，刺激大小会影响 RSVP 下 ERP-BCI 的性能。未来针对需要注视独立系统的用户的 ERP-BCI 提案应考虑这一发现。
两个更好？将BCI和神经反馈的EEG和FMRI结合在一起：系统评价
脑电图（EEG）和功能磁共振成像（fMRI）是两种常用的非侵入性技术，用于测量神经科学和脑部计算机接口（BCI）中的大脑活动。虽然脑电图具有较高的时间分辨率和低空间分辨率，但fMRI具有高空间分辨率和低时间分辨率。在这篇综述中，我们专注于在神经反馈（NF）中使用脑电图和fMRI，并讨论结合两种方式的挑战，以提高人们对大脑活动的了解并实现更有效的临床结果。已经开发出高级技术来同时记录脑电图和fMRI信号，以便更好地了解两种方式之间的关系。然而，脑过程的复杂性和脑电图和fMRI的异质性质在从组合数据中提取有用的信息时面临着挑战。我们将调查现有的EEG-FMRI组合和最近利用NF EEG-FMRI的研究，从而强调了实验和技术挑战。我们还将确定该领域的剩余挑战。
脑机接口在中风后运动康复中的可接受性建模：一项针对普通公众的大规模研究
简介：中风后，约 40% 的幸存者在日常生活中依赖他人，尤其是严重的运动障碍。脑机接口 (BCI) 已被证明可有效改善中风后的运动恢复，但这种效率仍远未达到临床医生和患者所期望的临床突破所需的水平。虽然已经确定了改进的技术手段（例如传感器和信号处理），但如果患者和临床医生不能或不想使用，完全优化的 BCI 是毫无意义的。我们假设，提高 BCI 的可接受性将降低患者的焦虑水平，同时提高他们在手术中的积极性和参与度，从而最终有利于学习和运动恢复。换句话说，可接受性可以作为提高 BCI 效率的杠杆。然而，基于可接受性/接受度文献的 BCI 研究尚不完善。因此，我们的目标是在中风后运动康复的背景下对 BCI 的可接受性进行建模，并确定其决定因素。
增强 BCI 性能的功能连接集成方法（FUCONE）
表 1：研究中考虑的功能连接指标 FC 指标缩写类别参考瞬时相干性瞬时频谱相干性[31]虚相干性 ImCoh 频谱相干性[32]锁相值 PLV 相位估计[33]相位滞后指数 PLI 相位估计[34]平方 wPLI 的去偏估计量 wPLI2-d 相位估计[35]幅度包络耦合 AEC 幅度耦合[36、37]