XiaoMi-AI文件搜索系统
World File Search SystemGamma
使用像素γ校正的图像质量增强
冗余技术用于提高性能并实现以提高系统的寿命。如今，许多行业都应用了冗余方法。冗余的常见方法之一是其在开关系统中的利用。在交换系统中，一个或多个组件被视为活动模式，而其他组件则在待机状态下被视为开关，如有必要。为了充分利用冗余设备中的所有组件，开关单元必须完美地执行其功能，例如开关。用开关单元成功覆盖的范围以概率表示。在本文中，提出了一种新的开关成功可能性方法，并表明随着系统的增加，开关的效率和性能逐渐降低。该方法的分析基于应力强度方法。最后，应用了一些用于验证结果的数值示例。
使用模拟的肌电伪影
最近的研究表明，能够记录患有半晶状体切除术的脑外伤（TBI）患者的脑电图（EEG）中高γ信号（80-160 Hz）。然而，由于与面部和头部运动相关的表面肌电图（EMG）伪影的混淆带宽重叠，因此提取与运动相关的高γ仍然具有挑战性。在我们以前的工作中，我们描述了一种增强的独立组件分析（ICA）方法，用于从EEG中删除EMG伪像，并通过添加EMG来源（ERASE）称为EMG降低。在这里，我们对六名Hemicraniectomies患者记录的EEG测试了该算法，同时他们执行了拇指流失任务。删除的平均值为52±12％（平均±S.E.M）（最大73％）EMG伪影。相比之下，常规ICA从EEG中删除了EMG伪像的平均值为27±19％（平均值±S.E.M）。尤其是，在擦除擦除后，在半晶切除术中的对侧手运动皮层区域中，高γ同步显着改善。更复杂的高γ复杂性是分形维度（FD）。在这里，我们在每个通道上计算了EEG高γ的FD。高γ的相对FD定义为移动状态下的FD在空闲状态下减去FD。我们发现，施加擦除后，高γ的相对FD与半骨切除术相对于半晶状分裂术，与纤维流量的振幅密切相关。的结果表明，与拇指流量相关的电极上的显着相关系数平均为〜0.76，而非流行性辐射切除术区域的同源电极的系数接近0。在常规ICA之后，在两个半开裂区域（最高0.86）和非流行颅切除术区域（最高0.81）中，高γ和力之间的相对FD之间的相关性均保持较高。在所有受试者中，使用擦除后，平均83％的电极与力显着相关。常规ICA后，只有19％的具有显着相关性的电极位于半晶切除术中。
托盘滴式优化及其对供应链的影响，使用成本范围的模型
尽管铝铝元素对中级服务温度应用的好处是构思良好的，并且在过去的四十年中进行了重大的研发活动，但由于与熔融，加工，扩展和成本相关的障碍，它们一直是发展材料。有效的航空发动机和大量降低风险示威的要求要求添加了伽马钛铝制的途径。当前最具吸引力的当前应用是用于替代常规铸造镍超合金的高压涡轮机叶片（LPTB）。本文概述了最近的进步，生产性挑战和机遇。将描述伽马（γ）TIAL LPTB从实验室示范到批量生产商用喷气发动机的生产插入的成功旅程。合作和综合产品开发被确定为快速成熟和在航空航天应用中实施的最关键需求。将说明一个集成的计算材料工程建模框架和工具集，该框架将在美国空军金属合作金属可负担性计划项目之间开发，将说明行业，政府和学术界之间的项目。基于模型的材料和处理以实现所需绩效目标的优化将得到强调。
伽马 - 托酚醇在放射治疗药物引起的造血副作用
Sang-gyu Lee 1 , Teja Muralidhar Kalidindi 1 , Hanzhi Lou 2 , Kishore Gangangari 1,3 , Blesida Punzalan 1 , Ariana Bitton 4 , Casey J. Lee 4 , Hebert A. Vargas 1 , Soobin Park 5 , Lisa Bodei 1 , Michael G. Kharas 2 , Vijay K. Singh 6,7 , Naga Vara Kishore Pillarsetty 1,8 *，Steven M. Larson 1,2,8 * 1 1 1放射科，纪念斯隆·肯特林癌症中心，纽约，纽约，纽约，2分子药理学计划，纪念斯隆·斯特里·肯特林癌症中心，纽约，纽约州纽约州纽约市亨特学院，纽约市纽约市纽约市纽约市纽约市纽约市，纽约市纽约市，纽约市，纽约州，纽约市，纽约州，药理学和分子治疗学，F。EdwardHébert医学院，统一服务大学卫生科学大学，贝塞斯达，MD 7武装部队放射线生物学研究所，制服服务学院，校制卫生科学大学，贝塞斯达大学，贝塞斯达大学，医学博士8号，医学博士8岁，威尔康尔医疗学院
基于瞬发伽马中子活化分析技术的工业材料检测综述
在水泥工业中，阿根廷学者Daniel L.等率先对水泥样品中的元素进行了分析，分析结果表明，PGNAA技术可以实现样品中Fe、Ca、Si、Cl等元素的测量[70]。1999年，R.Kheli等人采用Am-Be中子源和高纯锗探测器测量了水泥样品中硅钙比[71]。Saleh H.等人研制了检测钢筋混凝土中氯含量的装置[30]。2001年，CS Lim等人开发了传送带上的PGNAA水泥在线检测设备。该设备利用Am-Be中子源发射的中子与样品中元素的非弹性散射与俘获反应，实现水泥原料元素的分析，采用双源探测器减少由于皮带上原料组分空间分布不均匀带来的测量误差[72]。2009年至2014年，A.A.Naqvi等人先后对水泥粉尘及水泥中氯元素进行了研究，利用PGNAA技术分析了水泥粉尘和混凝土，获得了氯元素的检出限[73][74][75]。
第9周-Gamma 2 Norm及其变体
欢迎使用CS 860：量子下限。由于19日的情况，本课程将以异步形式在线教授：将没有现场讲座。每周，我打算在该一周内发布有关材料的一些课程注释，发布一些论文供所有学生阅读，并让一两个学生自愿发布这些论文的评论。然后，我们将讨论有关广场的论文和本周的材料（所有学生和审计师都应加入Piazza）。如果学生对课程有不同格式的偏好或想法，请在广场上配音。我强烈鼓励所有学生积极参加广场页面，这将是我们与教室最接近的事情。在材料方面，本课程将重点放在量子下限上：表明某些任务没有快速的量子算法的方式。我们将主要在黑匣子模型中证明这样的下限，也称为查询复杂性模型。该模型具有两个不错的属性：首先，它很简单且易于处理，证明其下限实际上是可行的（这并不会导致诸如\ sansp vs. \ sansn \ sansp之类的问题，而证明下限非常具有挑战性）。第二，大多数量子算法，例如Shor的算法和Grover的算法，具有自然的查询复杂性，并且可以有效地看作是查询复杂性算法。这意味着该模型尽管很简单，但足够丰富，可以捕获我们关心的``现实世界''量子加速的类型。本课程不需要量子背景。推荐了一些数学成熟度。在课程的后期，我们还将介绍通信复杂性模型，并研究如何在该环境中显示下限。通信复杂性下限通常更具挑战性，并且与理论计算机科学的其他部分有着深厚的联系。
脑电图上的前额叶高伽马标记感知和想象中的音乐节奏周期性
摘要 已知有节奏的听觉刺激能引发神经群体中匹配的活动模式。此外，最近的研究表明高伽马大脑活动在听觉处理中具有特殊重要性，因为它参与了听觉短语分割和包络跟踪。在这里，我们使用来自 8 名人类听众的皮层脑电图 (ECoG) 记录来查看在节奏感知和想象过程中高伽马活动的周期性是否跟踪音乐节奏包络中的周期性。通过指示参与者想象节奏在几次重复的停顿期间继续，可以引发节奏想象。为了确定高伽马活动周期跟踪音乐节奏周期的电极，我们计算了音乐节奏和神经信号的自相关 (ACC) 之间的相关性。参与者听白噪声的条件用于建立基线。颞上回听觉区和两个半球额叶区域的高伽马自相关与音乐节奏的自相关显著匹配。总体而言，在右半球观察到大量重要的电极。特别有趣的是右前额叶皮层中的一大群电极在节奏感知和想象时都处于活跃状态。这表明有意识地处理节奏的结构，而不仅仅是听觉现象。自相关方法清楚地表明，从皮层电极测量的高伽马活动既跟踪注意的节奏，也跟踪想象的节奏。
脑电图上的前额叶高伽马标记了音乐节奏在感知和想象中的周期性
版权所有 © 2020 Herff 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是正确署名原始作品。
伽马射线爆发喷流传播、角结构发展和光度函数
伽马射线爆发喷流的命运和可观测特性主要取决于它们与围绕中央引擎的前身物质的相互作用。我们提出了这种相互作用的半解析模型（该模型建立在之前的几项解析和数值工作的基础上），旨在根据周围物质和发射时喷流的特性，预测爆发后喷流和茧能量以及洛伦兹因子的角度分布。利用该模型，我们构建了合成的结构化喷流群，假设前身是坍缩星（用于长伽马射线爆发 - LGRB）或双中子星合并（用于短伽马射线爆发 - SGRB）。我们假设所有前身都是相同的，并且我们允许发射时喷流特性几乎没有变化：因此我们的群体具有准通用结构。这些群体能够重现观测到的 LGRB 和 SGRB 光度函数的主要特征，尽管仍有几个不确定性和注意事项需要解决。我们向公众开放我们的模拟人口。
迁移学习在自动伽马光谱识别中的应用
早期研究的动机是缺乏强大的伽马射线光谱自动识别算法，特别是当光谱统计数据较低时，包括潜在的低信噪比。1,2 早期的工作集中于自动伽马射线光谱识别和使用卷积神经网络 (CNN) 进行识别的新数据模式。本文重点关注感兴趣的目标域中可用数据集的缺乏问题。虽然一些感兴趣的同位素的良好代表性数据可能数量较少，但大多数放射性同位素在原位出现的频率并不高，无法提供典型的机器学习所需的大型和多样化的数据集。通常，当收集大型放射学数据集时，发现的源种类非常有限，只有少数医疗和工业源占据主导地位；并且与我们之前的研究一样，需要大量依赖模拟数据。这种情况意味着，如果不进行一些修改，经过这些数据集训练的机器将无法识别大多数可能的放射性同位素。