XiaoMi-AI文件搜索系统
World File Search SystemInner
基于...
内部语音是一种自我指导的对话形式，它在认知发展，语音监测，执行功能和心理病理学中起着重要作用。尽管对其现象学，发展和功能的知识越来越多，但对内部语音的科学研究的方法仍然存在差异，并且在很大程度上是不整合的。脑电图（EEG），它是一种非侵入性脑部计算机界面（BCI）的方法，为内部语音研究带来了新的选择。由于脑电图的优势，越来越多的研究与内部语音有关。在此贡献中，内部语音中表达的不同单词通过应用EEG信号和支持向量机（SVM）来区分。使用向公众开放的“大声思考”数据集的脑电图数据。在实验中，从位于头顶上的128个传感器中获取了许多脑电图数据。因此，在第一个步骤中填写数据。之后，选定的数据通过经验模式分解（EMD）分解为各种固有模式函数（IMFS）。此外，使用希尔伯特变换来转换IMF，以检查适合区分内部语音的脑波带。最后，IMF的单个或组合由支持向量机（SVM）与各种内核进行分类。使用最合适的IMF和内核时，每个主题方案的平均结果为：F-评分：99.24％，准确性：99.24％和标准偏差（SD）：0.95。所有主题方案的最佳结果是：F-评分：99.67％，准确性：99.66％和标准偏差（SD）：0.27。获得的结果表明，所提出的方法可以很好地与内部语音差异。
ATLAS 内跟踪器硅条传感器中多晶硅电阻器随温度、辐照前后的变化特性
a 捷克科学院物理研究所，Na Slovance 2, 18221 Prague 8，捷克共和国 b 查理大学数学与物理学院，V Holesovickach 2, Prague, CZ18000，捷克共和国 c 伯明翰大学物理与天文学院，伯明翰 B152TT，英国 d 国立微电子中心（IMB-CNM，CSIC），Campus UAB-Bellaterra，08193 Barcelona，西班牙 e 粒子物理研究所，IFIC/CSIC-UV，C/Catedr´atico Jos´e Beltr´an 2, E-46980 Paterna，瓦伦西亚，西班牙 f 约瑟夫·斯特凡研究所实验粒子物理系，Jamova 39，SI-1000 Ljubljana，斯洛文尼亚 g加利福尼亚大学圣克鲁斯分校，美国加利福尼亚州 95064 h 西蒙弗雷泽大学物理系，加拿大不列颠哥伦比亚省本那比市 8888 University Drive V5A 1S6 i TRIUMF，加拿大不列颠哥伦比亚省温哥华市 4004 Wesbrook Mall V6T 2A3 j 筑波大学纯粹与应用科学研究所，日本茨城县筑波市 Tennodai 1-1-1 305-8571 k 多伦多大学物理系，加拿大安大略省多伦多市 Saint George St. 60 M5S1A7 l 高能加速器研究组织 (KEK) 粒子与核研究所，日本茨城县筑波市 Oho 1-1 305-0801
IF – 内在领导力杂志 - 德国联邦国防军
《IF-内在领导力杂志》是德国联邦国防军自我形象和领导文化的专业杂志，它还提供历史、政治和道德教育，并包含有关德国、欧洲和国际安全和防务政策问题的文章。
Microsoft Word - 3-经济全球化与美国后工业经济形成的内在联系.doc
众所周知，工业化极大地提高了人们的劳动生产率，改善了人民的生活条件，使一些国家变得更加富裕。然而，在经济全球化和全球产业一体化的影响下，以美国为代表的发达国家自20世纪70年代以来，不断出现“去工业化”现象，与此同时，许多国家和地区也由工业社会转向后工业社会。其实，早在后工业社会来临之前，一些学者就对后工业社会的形成作出了大胆的预言。丹尼尔·贝尔先生指出，后工业社会，第三产业蓬勃发展，商业公司将成为社会的经济核心，约55%的国民生产总值将由商业公司创造（Bell，2001，第5页）。而且，大多数劳动者从事的是贸易、金融、运输、娱乐和教育等服务业，而不是农业和制造业的生产活动。美国后工业经济形成的原因是多方面的，也是复杂的。美国幅员辽阔，不仅各地区经济类型各异，而且导致去工业化和后工业经济形成的因素也有所不同。但经济全球化始终是美国后工业经济形成的首要原因。经济全球化使全球经济成为一个整体，每一个国家、地区、城市都将成为全球经济网络中的一个节点。经济全球化不仅使世界各个地区紧密联系在一起，而且使它们在全球经济体系中发挥各自的功能。在经济全球化的影响下，20世纪70年代以后，出现了“去工业化”浪潮。
ATLAS 内轨硅条传感器中多晶硅电阻的特性——辐射前后的温度函数
1 捷克科学院物理研究所，Na Slovance 2，18221 布拉格 8，捷克共和国 2 查理大学数学与物理学院，V Holesovickach 2，布拉格，CZ18000，捷克共和国 3 伯明翰大学物理与天文学院，伯明翰 B152TT，英国 4 国立微电子中心（IMB-CNM，CSIC），UAB-Bellaterra 校区，08193 巴塞罗那，西班牙 5 粒子物理研究所，IFIC/CSIC-UV，C/Catedrático José Beltrán 2，E-46980 帕特尔纳，瓦伦西亚，西班牙 6 约瑟夫·斯特凡研究所实验粒子物理系，Jamova 39，SI-1000 卢布尔雅那，斯洛文尼亚 7 圣克鲁斯大学粒子物理研究所 (SCIPP)加利福尼亚大学圣克鲁斯分校，CA 95064，美国 8 TRIUMF，4004 Wesbrook Mall，温哥华，BC V6T 2A3，加拿大 9 西蒙弗雷泽大学物理系，8888 University Drive，本那比，BC V5A 1S6，加拿大 10 筑波大学纯粹与应用科学研究所，1-1-1 Tennodai，筑波，茨城 305-8571，日本 11 多伦多大学物理系，60 Saint George St.，多伦多，安大略省 M5S1A7，加拿大 12 高能加速器研究组织 (KEK) 粒子与核研究所，1-1 Oho，筑波，茨城 305-0801，日本 ∗ 主要作者，电子邮件：vera.latonova@cern.ch，† 替补演讲人，电子邮件：jiri.kroll@cern.ch
使用预先训练的深度学习模型对 EEG 数据进行内部学习......
内在语言是一种内化的语言，人们用这种语言思考纯粹的意义。从大脑活动数据中解码内在语言不仅可以促进残障患者的交流，还可以帮助健康人整理思路，提高对元认知的理解。在之前的研究中，一种名为 EEGNet 的 EEG 数据深度学习模型被用于内在语言解码。然而，它在 4 类分类任务中只达到了 30% 的准确率。数据稀缺和内在语言解码固有的难度可能是原因，但这项研究假设以前的研究中特征提取不足。为了提高解码内在语言的准确性，使用迁移学习被认为是更有效的；在这种学习中，模型事先在不同的数据集上进行训练，然后针对目标数据进行微调。然而，迁移学习尚未应用于内在语言，甚至尚未应用于 EEG 数据。迁移学习对不同任务的脑电图数据或非脑电图数据的有效性尚未得到充分验证。本研究通过使用不同任务的脑电图数据和非脑电图数据对公开的内部语音数据集进行迁移学习，验证了特征提取的改进。结果证实，使用来自不同受试者的数据的迁移学习可以提高内部语音的准确性，但使用来自不同任务的脑电图数据的迁移学习则不会。另一方面，对于图像数据集，通过冻结某些层可以确认准确性的提高，即使数据的性质与脑电图数据不同。
重新思考内部语音解码的方法和算法并使其可重现
摘要：本研究重点关注使用脑电图 (EEG) 等非侵入性方法自动解码内部语音。虽然内部语音半个世纪以来一直是哲学和心理学的研究课题，但最近人们尝试使用各种脑机接口来解码非语音口语单词。现有工作的主要缺点是可重复性以及数据和代码的可用性。在本研究中，我们研究了各种方法（使用卷积神经网络 (CNN)、门控循环单元 (GRU)、长短期记忆网络 (LSTM)）在公开的 EEG 数据集上检测五个元音和六个单词。这项工作的主要贡献是（1）受试者相关与受试者独立的方法，（2）不同预处理步骤（独立成分分析 (ICA)、下采样和滤波）的影响，以及（3）词分类（我们在公开的数据集上实现了最先进的性能）。总体而言，使用我们调整后的 iSpeech-CNN 架构，我们在公开数据集中对五个元音和六个单词进行分类时分别实现了 35.20% 和 29.21% 的性能准确率。我们所有的代码和处理后的数据都是公开的，以确保可重复性。因此，这项工作有助于更深入地理解和重复内部语音检测领域的实验。
重新思考内部语音解码的方法和算法——并使其可重复
摘要：本研究重点关注使用非侵入性方法（例如脑电图 (EEG)）自动解码内部语音。虽然内部语音已成为哲学 2 和心理学半个世纪以来的研究课题，但最近人们尝试使用各种脑机接口解码非语音口语 3 单词。现有工作的主要缺点是可重复性以及数据和代码的可用性。在这项工作中，我们研究了各种方法（使用 5 卷积神经网络 (CNN)、门控循环单元 (GRU)、长短期记忆 6 网络 (LSTM)）在公开可用的 EEG 数据集上检测 5 元音 6 单词。 7 这项工作的主要贡献是（1）主题相关与主题无关的方法，（2）8 不同预处理步骤（独立成分分析 (ICA)、下采样 9 和滤波）的影响，以及（3）词分类（我们在公开可用的数据集上实现了最先进的性能）。总体而言，我们使用调整后的 iSpeech-CNN 12 架构在公开可用的数据集中分别对 11 5 个元音和 6 个单词进行分类时，性能准确率达到 35.20% 和 29.21%。我们所有的代码和处理后的数据都是公开的，以确保可重复性。因此，这项工作有助于更深入地理解和重复内部语音检测领域的实验。15
重新思考内部语音解码的方法和算法——并使其可重复
摘要：本研究重点关注使用非侵入性方法（例如脑电图 (EEG)）自动解码内部语音。虽然内部语音已成为哲学和心理学半个世纪以来的研究课题，但最近人们尝试使用各种脑机接口解码非语音口语单词。尽管在某些情况下报告了良好的准确率（二元任务高达 90%），但结果通常略高于偶然水平（元音约为 20%）。现有工作的主要缺点是可重复性以及数据和代码的可用性。在这项工作中，我们研究了各种方法（使用深度学习和标准分类器）在公开的 EEG 数据集上检测元音和单词。这项工作的主要贡献在于其广泛的实验和分析。我们分析了（1）9 主题相关与主题无关的方法，（2）不同预处理步骤 10 （独立成分分析 (ICA)、下采样和滤波）的效果，以及（3）词分类 11 （我们在此实现了最佳性能）。总体而言，使用我们提出的 13 iSpeech-卷积神经网络 (CNN) 架构和预处理方法（无需 14 下采样），我们在对 5 个元音进行分类时实现了 35.20% 的性能准确率，在对 6 个单词进行分类时实现了 29.21% 的性能准确率。我们的所有代码和处理后的数据都是公开的，以确保可重复性。15 因此，这项工作有助于更深入地理解和重复内部语音检测领域的实验。17
Innergex 可再生能源公司年度信息表...
为使读者了解公司的未来前景，本 AIF 包含适用证券法所定义的前瞻性信息（“前瞻性信息”），包括公司的增长目标、电力生产、预期项目、在建项目和高级预期项目的成功开发、建设和融资（包括税收股权融资）、资金来源和影响、项目收购、无追索权项目级融资的执行（包括其时间和金额），以及此类收购预计产生的战略、运营和财务利益和增值、业务战略、未来发展和增长前景（包括与 Hydro-Quebec 的战略联盟下的预期增长机会）、业务整合、治理、业务前景、目标、计划和战略重点，以及其他非历史事实的陈述。前瞻性信息通常可以通过使用“大约”、“可能”、“将”、“可能”、“相信”、“预期”等词语来识别，