XiaoMi-AI文件搜索系统
World File Search SystemDecomposition
在心率变异性信号上使用经验模式分解来评估2型糖尿病中的自主神经病进展
摘要：在这项研究中，我们研究了从心电图（ECG）RR间隔提取的基于经验模式分解（EMD）的特征，以区分2型2型糖尿病的患者（T2DM）患者的心血管自主神经病（CAN）不同水平。这项研究涉及60名参与者分为三组：没有罐头，亚临床罐和建立的罐头。Six EMD features (area of analytic signal representation— ASR area ; area of the ellipse evaluated from the second-order difference plot— SODP area ; central tendency measure of SODP— SODP CTM ; power spectral density (PSD) peak amplitude— PSD pkamp ; PSD band power— PSD bpow ; and PSD mean frequency— PSD m f req ) were extracted from the RR interval signals and compared between groups.结果表明，除了PSD M F REQ外，Nocan和Estcan个体之间的所有EMD特征及其组件之间的显着差异。但是，每个特征的某些EMD组成部分显示Nocan或Estcan的个体与subcan的人之间存在显着差异。这项研究发现了降低ASR面积和SODP面积值的模式，SODP CTM值的增加以及PSD BPOW和PSD PKAMP值的降低。这些发现表明，EMD结果度量可能有助于表征与T2DM个体相关的CAN表现的变化。
基于分布式对偶分解混合整数线性规划的港口综合能源系统能源管理
摘要：为提高可再生能源利用率，培育绿色港口，本文提出一种基于对偶分解混合整数线性规划的港口综合能源系统分布式能量管理策略。首先，针对港口综合能源系统各种异构设备呈现分布式特点，提出一种基于多态网络的港口综合能源系统，融合电力替代和能量转换设备，取代传统的单一IP协议。其次，考虑各类能量流的耦合，建立能量管理模型，保证港口综合能源系统的可靠运行。第三，针对港口综合能源系统的分布式特点，提出一种基于分布式对偶分解混合整数线性规划的港口综合能源系统能量管理策略。最后，通过不同场景的港口综合能源系统仿真算例，证明了所提策略的有效性，得到的能量管理结果与集中式算法相近。
引用：Mwata-Velu T，Ruiz-Pinales J，Avina-Cervantes JG，Gonzalez-Barbosa JJ，Contreras-Hernandez JL。经验模式分解和双向
运动图像（MI）EEG信号在BCI应用中广泛使用，因为它们通过想象身体肢体运动为用户提供了全部控制[9]。想象的和物理的肢体运动引起了MU-RHILTHM同步和去同步，可以使用感觉运动皮层上的EEG技术进行探索[10]。许多作品已经实施了特定技术选择和降低维数的特定技术，其中遗传算法（GA）[11] [11]，顺序的正向特征选择（SFF）[12]，线性判别分析（LDA）[13] [13]，经验模式分解（EMD）[14]和FISHER INCTICNANT INCINICINANT ANARESSICS（FISHER INCTINANT分析）（FDA）[15] [15] [15] [15] [15]。因此，有效的线性分类器（例如支持向量机（SVM）[16]和LDA [17]被广泛用于特征的分类。此外，贝叶斯分类器[18]，隐藏的马尔可夫模型分类器（hmm）[19]和K-Nearest邻居（K-NN）分类器[20]同样为EEG特征分类提供了竞争结果。从这个意义上讲，Miao等。[21]将右手食指解码用于手指康复。在他们的角度，Nijisha等人。[22]使用基于常见空间图案（CSP）和单个卷积层的空间过滤器对左手，右手，双手和脚MI-EEG信号进行分类。
基于局部均值分解和 Fisher 规则的多尺度模糊熵用于人体运动分析中的脑电特征提取
脑电信号（EEG）是由大量神经元产生的非线性、非平稳、随机的微弱信号，在人工智能、生物医学工程等领域具有重要的研究价值和实际意义，而脑电特征提取是直接影响处理结果的重要步骤，目前常用的脑电特征提取方法有频域或时域分析、时频结合等方法。由于脑电信号的非线性，上述方法都存在一定的局限性。因此，该文提出一种基于局部均值分解和Fisher规则的多尺度模糊熵用于人体运动分析中的脑电特征提取。首先将脑电信号自适应地分解为一系列乘积函数（PF）分量，然后选取有效的PF分量并计算多尺度模糊熵，利用多尺度模糊熵进行特征提取。利用Fisher规则对模糊熵在不同尺度上的特征分类能力进行排序，选取排序最高的多尺度模糊熵构成最优特征向量，实现特征降维。实验结果表明，该方法能有效提取脑电信号特征，验证了新方法的有效性和可行性。
引用：Mwata-Velu T、Ruiz-Pinales J、Avina-Cervantes JG、Gonzalez-Barbosa JJ、Contreras-Hernandez JL。经验模态分解和双向
运动想象 (MI) 脑电信号广泛应用于脑机接口 (BCI) 应用中，因为它们通过想象肢体运动让用户完全控制 [9]。想象和物理肢体运动会引起微节律同步和去同步，这可以通过使用脑电图技术在感觉运动皮层上进行探索 [10]。许多研究已经实现了特征选择和降维的具体技术，其中包括遗传算法 (GA) [11]、顺序前向特征选择 (SFFS) [12]、线性判别分析 (LDA) [13]、经验模态分解 (EMD) [14] 和 Fisher 判别分析 (FDA) [15]。因此，高效的线性分类器如支持向量机 (SVM) [16] 和 LDA [17] 被广泛用于特征分类。此外，贝叶斯分类器 [18]、隐马尔可夫模型分类器 (HMM) [19] 和 k-最近邻 (k-NN) 分类器 [20] 同样为 EEG 特征分类提供了有竞争力的结果。在这方面，Miao 等人 [21] 将右手食指解码应用于手指康复。Nijisha 等人 [22] 使用基于公共空间模式 (CSP) 的空间滤波器和单个卷积层对左手、右手、双手和脚 MI-EEG 信号进行分类。
使用高阶动态模式分解和小型数据集的视觉变压器
基于机器学习的框架，以及深入学习的更具体的框架。这包括第一次使用高阶动态模式分解（HODMD）算法，以便在医学场中的数据增强和特征提取。第二阶段的重点是构建和训练视觉变压器（VIT），在相关文献中几乎没有探索。即使使用小数据集，VIT也适用于从头开始的有效培训。设计的神经网络分析来自超声心动图序列的图像，以预测心脏状态。获得的结果表明了所提出的系统的优越性和HODMD算法的效率，即使表现优于预认证的综合神经网络（CNN），这是迄今为止文献中选择的方法。
土壤降解调节垃圾分解对土壤微生物养分限制的影响：土壤酶活性和化学计量的证据
土壤微生物可以在土壤外酶的帮助下在垃圾分解过程中获得能量和养分。垃圾类型是影响土壤外酶活性的最关键因素。然而，垃圾类型如何通过草地等级调节土壤外酶活性。在这里，我们在不同降解的草原上进行了两种不同类型的垃圾分解的240天实验，并进行了土壤外酶的活性和化学计量。我们发现，在氯藻中，C/N的酶活性和C/N的C/N酶计量比在轻度降级的水平和C-Acquiring酶活性的C. virgata中高于L. C. virgata的酶高于L. Chinenensis中的16.96％。p-apquiring酶活性具有相同的趋势，垃圾类型适中和高度降解的水平，在维氏梭菌中的含量分别为20.71％和30.89％。仅在轻度降解水平的C/N的酶化学计量中显示了酶化学计量法的变化，这表明垃圾类型仅影响轻度降解的草地中的微生物C限制。几乎所有土壤外细胞外酶活性和细胞外酶化学计量法（除N/P的酶化学计量法外，随着草原降解水平的增加而降低。所有矢量角度均小于45°，表明土壤微生物在分解过程中受到n而不是p的限制。酶矢量分析表明，在垃圾分解过程中，C和N共同限制了土壤微生物群落。此外，根据随机森林（解释超过80％），我们发现土壤总氮，总碳，总磷，溶解的有机C，pH和EC是影响土壤酶活性的重要因素，这是通过降解水平来影响土壤酶活性的。我们的结果强调，降解水平可以调节垃圾类型对土壤的影响
Suppressing argyrodite oxidation by tuning the host structure for high areal capacity all-solid-state lithium-sulfur batteries
solid-state Li-S batteries. By hybridizing two-dimensional carbon nitride and N-doped graphene to form CNG with a very high N content, argyrodite decomposition is largely suppressed, which computational and experimental studies show occurs through strong Li-N binding at the solid electrolyte-sulfur host interface. We propose this inhibits the initial oxidation of argyrodite in the indirect process, kinetically limiting Li-ion extraction, and shifting the potential for sulfide ion conversion to sulfur in the first step. This improves SSSB cycling performance by diminishing the build-up of insulating decomposition products at the interface, unlike experienced by carbon materials such as VC and NG. The CNG sulfur
土壤C/N比与草原对分解速率和稳定因子相比，在欧洲南部生态系统
土壤存储着重要的碳（C），主要是在不同分解阶段以有机物的形式。因此，了解规则纳入土壤中分解的有机物的速率的因素至关重要，这是更好地了解C股在不断变化的大气和土地使用条件下如何变化。我们使用西班牙纳瓦拉（Navarre）（欧洲西南部）的两个对比梯度沿着16种不同的ecosyss- tems（八个森林，八个草原）中的茶袋指数（八个森林，八个草原）进行了植被覆盖，气候和土壤因素之间的相互作用。这种布置涵盖了四种气候类型的范围，从80到1420 M.A.S.L.和降水（P）从427至1881毫米年度 - 1年。在2017年春季孵化茶袋后，我们确定了植被覆盖类型，土壤C/N与降水之间的强烈相互作用，影响分解速率和稳定因子。在森林和草原上，降水增加增加了分解速率（K），但同时也是垫料稳定因子（S）。然而，在森林中，增加了土壤的C/N比增加了分解速率和垃圾稳定，而在草原中，C/N比率较高会导致相反的影响。此外，土壤pH和n还积极影响了脱粒率，但是对于这些因素，生态系统类型之间没有差异。我们的结果表明，土壤c浮水被复杂的位点依赖性和与现场独立的环境因素改变，并且增加的生态系统木质膜片将显着改变c的流量，这可能会在短期内增加分解速率，但同时增加了稳定稳定的垃圾堆垃圾的抑制因素。
使用多种分解方法和聚类分析来查找和分类运动想象脑机接口实验中的典型脑电图活动模式
本研究调查了运动想象脑机接口 (BCI) 控制实验中的脑电活动来源。根据不同的标准比较了 16 种脑电源分离的线性分解方法。标准是源活动之间的互信息减少和生理合理性。后者通过估计源地形图的偶极性（即通过单个电流偶极子的电位分布近似地图的准确性）以及不同运动想象任务的源活动特异性来测试。还根据发现的共享组件数量比较了分解方法。结果表明，大多数偶极分量是由独立分量分析方法 AMICA 和 PWCICA 发现的，它们也提供了最高的信息减少。这两种方法还发现了所使用的盲源分离算法中最具任务特异性的脑电模式。在模式特异性方面，它们仅次于非盲共同空间模式方法。使用活动性增加的吸引子神经网络对所有方法发现的成分进行聚类。聚类分析的结果揭示了实验中最常见的电活动模式。这些模式反映了眨眼、眼球运动、运动想象过程中的感觉运动节律抑制以及两个半球楔前叶、辅助运动区和运动前区的激活。总体而言，多方法分解以及随后的聚类和任务特异性估计是一种可行且信息丰富的程序，可用于处理电生理实验的记录。