XiaoMi-AI文件搜索系统
World File Search SystemCHET
基于混合神经网络的运动想象信号分类数据增强
摘要：运动想象作为自发性脑机接口的重要范式，被广泛应用于神经康复、机器人控制等领域。近年来，研究者提出了多种基于运动想象信号的特征提取和分类方法，其中基于深度神经网络（DNN）的解码模型在运动想象信号处理领域引起了广泛关注。由于对受试者和实验环境的严格要求，收集大规模高质量的脑电图（EEG）数据非常困难，而深度学习模型的性能直接取决于数据集的大小。因此，基于DNN的MI-EEG信号解码在实践中被证明是非常具有挑战性的。基于此，我们研究了不同的数据增强（DA）方法在使用DNN对运动想象数据进行分类的性能。首先，我们使用短时傅里叶变换（STFT）将时间序列信号转换为频谱图像。然后，我们评估并比较了不同 DA 方法对该频谱图数据的性能。接下来，我们开发了一个卷积神经网络（CNN）来对 MI 信号进行分类，并比较了 DA 后的分类性能。使用 Frechet 初始距离（FID）评估生成数据（GD）的质量和分类准确率，使用平均 kappa 值探索最佳的 CNN-DA 方法。此外，使用方差分析（ANOVA）和配对 t 检验来评估结果的显著性。结果表明，深度卷积生成对抗网络（DCGAN）比传统 DA 方法：几何变换（GT）、自动编码器（AE）和变分自动编码器（VAE）提供了更好的增强性能（p < 0.01）。使用 BCI 竞赛 IV（数据集 1 和 2b）的公共数据集来验证分类性能。经过 DA 后，两个数据集的分类准确率分别提高了 17% 和 21%（p < 0.01）。此外，混合网络 CNN-DCGAN 的表现优于其他分类方法，两个数据集的平均 kappa 值分别为 0.564 和 0.677。
闭环、颈部、硬膜外刺激在自由行为大鼠脊髓损伤后引发呼吸神经可塑性
标题 1 闭环颈部硬膜外刺激在自由活动大鼠脊髓损伤后诱发呼吸神经可塑性 2 3 缩写标题 4 硬膜外刺激诱发呼吸神经可塑性 5 6 作者姓名及所属机构 7 Ian G. Malone 1,2 , Mia N. Kelly 2,3 , Rachel L. Nosacka 4 , Marissa A. Nash 4 , Sijia Yue 5 , Wei Xue 5 , Kevin J. Otto 1,2,6,7,8,9,10 , 8 和 Erica A. Dale 2,4,6 9 1 佛罗里达大学电气与计算机工程系，佛罗里达州盖恩斯维尔 32611 10 2 佛罗里达大学呼吸研究与治疗中心，佛罗里达州盖恩斯维尔 32611 11 3 佛罗里达大学物理治疗系，佛罗里达州盖恩斯维尔 32611 12 4 佛罗里达大学生理学和功能基因组学系，佛罗里达州盖恩斯维尔 32611 13 5 佛罗里达大学生物统计学系，佛罗里达州盖恩斯维尔 32611 14 6 佛罗里达大学麦克奈特脑研究所，佛罗里达州盖恩斯维尔 32611 15 7 J. Crayton Pruitt Family 佛罗里达大学生物医学工程系，佛罗里达州盖恩斯维尔 32611 16 8 佛罗里达大学材料科学与工程系，佛罗里达州盖恩斯维尔 32611 17 9 佛罗里达大学神经病学系，佛罗里达州盖恩斯维尔 32611 18 10 佛罗里达大学神经科学系，佛罗里达州盖恩斯维尔 32611 19 20 通讯作者电子邮件地址 21 电子邮件：ericadale@ufl.edu 22 23 内容信息 24 图表数量：9 25表格数量：0 26 多媒体数量：0 27 字数：28 x 摘要：235 29 x 意义陈述：119 30 x 引言：660 31 x 讨论：2,003 32 33 致谢 34 作者要感谢佛罗里达大学 Dale 实验室、NeuroProstheses 研究实验室和 35 Mitchell 实验室的所有成员提供的技术指导。我们感谢 Raphael Perim 博士、Kaitlynn Olczak 博士和 Yasin Seven 博士提供的技术支持、帮助和指导；感谢 Larry Shupe 博士、Chet Moritz 博士和 Eberhard Fetz 博士提供的 Neurochip3 硬件并协助排除故障；最后，感谢 Jennifer Bizon 博士、Jada Lewis 博士、Peter Sayeski 博士、38 David Fuller 博士、Gordon Mitchell 博士、Charlie Wood 博士和 Stephen Sugrue 博士的支持和指导。 39 40 利益冲突 41 本稿件的作者声明他们没有利益冲突。 42 43 资金 44 这项工作得到了 Craig H. Neilsen 基金会、麦克奈特脑研究所和佛罗里达大学脑 45 和脊髓损伤研究信托基金、NIH T32 HL134621 呼吸研究和治疗培训计划、46 HL147554、NIH U01 NS099700 和佛罗里达大学学者计划的支持。 47 48
年鉴
文章经验部分贝叶斯多次测试和复合χ2决策n ikolaos i gnatiadis和b odhisattva s EN 1通过Rademacher复杂性，基于差异的近似贝叶斯计算浓度。。。。。s irio l egramanti，d aniele d urante和p ierre a lquier 37在熵最佳运输的样品复杂性上S TROMME 61 Deflated HeteroPCA: Overcoming the curse of ill-conditioning in heteroskedastic PCA Y UCHEN Z HOU AND Y UXIN C HEN 91 Nonlinear global Fréchet regression for random objects via weak conditional expectation S ATARUPA B HATTACHARJEE , B ING L I AND L INGZHOU X UE 117 Simplex quantile regression without crossing .。。。t omohiro a ndo和k er -c hau l i 144贝叶斯非参数推断麦基恩– Vlasov模型Richard n Ickl，G Rigorios A. p avliotis和k olyan r ay r ay r ay 170 Ensembless Prospect Prospect Prospotie to nontaral Parametric Recessition to han aoran Z han and Mige khan and Mige khan and y Incke khan and y Incke hange k.混合的半明星C Arsten H. C Hong，T Homas d Elerue和F Abian M IES 219关于两个响应之间相互作用的有效维度的效率降低的一些理论。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。w ei l uo 245在晶格上进行高维随机界面的一般时空因子模型模型，在a ateo b arigozzi上，d avide l a v ecchia和h an an an an an an an an an an an an an an an g iu 268最佳异质性测试在非参数回归中的统计范围内的统计范围2对于大型语言模型：枢轴，检测效率和最佳规则。。。。。。。。。。。.x iang l i，f eng r uan，h uiyuan w ang，q i l ong and w eijie J.s U 322基于经验可能性定期变化的基于经验的测试J OHN H. J. E Inmahl，Ndrea K Rajina和J UAN J UAN C AI 352计算上有效的和统计学上最佳的稳健高度线性线性。。。。。。。。。Y INAN S HEN , J INGYANG L I , J IAN -F ENG C AI AND D ONG X IA 374 Multivariate dynamic mediation analysis under a reinforcement learning framework L AN L UO , C HENGCHUN S HI , J ITAO W ANG , Z HENKE W U AND L EXIN L I 400 Unified algorithms for RL with Decision-Estimation Coefficients: PAC, reward-free,基于偏好的学习及其他。。。。。。。。f eng hen，s ong m ei和y u b ai 426