XiaoMi-AI文件搜索系统
World File Search SystemColaboratory
2021 年年度报告 - Stewart Blusson 量子物质研究所
我们的合作在许多方面推动了我们的发展：与行业和加拿大学术中心的紧密合作使我们能够扩展我们的能力并开发共享基础设施，从而提高我们合作的能力。在加拿大光源，Blusson QMI 领导开发了量子材料光谱中心 (QMSC) 光束线，该光束线于今年向用户开放，这是继 Blusson QMI 领导开发的共振弹性和非弹性 X 射线散射 (REIXS) 光束线成功之后的又一成果。同样，量子合作实验室与滑铁卢大学和舍布鲁克大学合作，自 2019 年启动这一国家设施以来，已经取得了长足的发展。通过共享资源，我们还在努力确保运营的可持续性。
通过基于有效几何深度网络的生成对抗网络从脑电信号中实现视觉显著性和图像重建
摘要：了解大脑感知外界输入数据的功能是神经科学的一大目标。神经解码有助于我们模拟大脑活动和视觉刺激之间的联系。通过这种建模可以实现从大脑活动重建图像。最近的研究表明，视觉显著性是图像刺激的重要组成部分，它给大脑活动留下了深刻的印象。本文提出了一个深度模型，通过视觉显著性从脑电图 (EEG) 记录中重建图像刺激。为此，我们训练了基于几何深度网络的生成对抗网络 (GDN-GAN)，将 EEG 信号映射到每个图像对应的视觉显著性图。所提出的 GDN-GAN 的第一部分由切比雪夫图卷积层组成。所提出的网络的 GDN 部分的输入是基于功能连接的 EEG 通道图形表示。 GDN 的输出被施加到所提出的网络的 GAN 部分以重建图像显著性。所提出的 GDN-GAN 使用 Google Colaboratory Pro 平台进行训练。显著性指标验证了所提出的显著性重建网络的可行性和效率。训练后的网络的权重用作初始权重来重建灰度图像刺激。所提出的网络实现了从 EEG 信号进行图像重建。