XiaoMi-AI文件搜索系统
World File Search SystemLaplacian
脑磁共振图像各种图像融合技术的比较分析 Anish Vijan a、Parth Dubey a、Shruti Jain a *
通过融合图像可以准确地对任何人体健康问题进行医学诊断。在图像融合中，数据从不同的图片组合在一起，使我们仅在一张图片中就能获得大量信息。图像融合在医学成像应用中起着重要作用，它可以帮助放射科医生在 CT 和 MR 脑图像中发现异常。多模态 (MM) 是融合技术之一。在 MM 中，会融合不同的模态，例如计算机断层扫描 (CT)、正电子发射断层扫描 (PET) 和磁共振成像 (MRI) 扫描。每种模态都有各种特征，具有各种类型的功能信息和互补的解剖结构。用于发现脑中风和肿瘤的常用扫描技术是 MRI 和 CT。在本文中，将同一患者的脑 MR 图像的不同切片：T1 加权 (T1)、T1 对比增强 (T1ce)、T2 加权 (T2) 和液体衰减反转恢复 (Flair) 融合在一起，以诊断脑病理和异常。使用离散小波变换 (DWT)、拉普拉斯金字塔变换技术和主成分分析 (PCA) 融合技术进行了多次实验。对具有更多信息内容的不同融合图像进行了比较分析。这里考虑的性能指标包括峰值信噪比、均方误差和信噪比。进行了不同的实验，使用不同的融合技术对脑部 MR 图像的 Flair 和 T2 切片进行融合，在 SNR 和 PSNR 方面取得了更好的结果。
从分子和晶体中原子的量子理论分析锕系化合物的电荷密度
摘要：锕系化合物（分子复合物和材料）中化学键的性质在许多方面仍然难以捉摸。彻底分析它们的电子电荷分布对于阐明整个系列的键合趋势和氧化状态具有决定性作用。然而，从实验和理论的角度来看，准确测定和稳健分析锕系化合物的电荷密度都带来了一些挑战。最近，在锕系材料电荷密度的实验重建和拓扑分析方面取得了重大进展 [Gianopoulos et al. IUCrJ，2019，6，895]。在这里，我们讨论了理论方面的互补进展，这些进展使得可以通过块体量子力学模拟准确确定锕系材料的电荷密度。特别是，将实施 Bader 分子和晶体中原子量子理论 (QTAIMAC) 的 T OPOND 软件扩展到 f 和 g 型基函数，从而可以在相同基础上对块体和真空中的镧系元素和锕系元素进行有效研究。研究了四苯基磷酸铀六氟化物共晶体 [PPh 4 + ][UF 6 − ] 的化学键合，其实验电荷密度可供比较。量化并讨论了晶体堆积对电荷密度和化学键的影响。这里介绍的方法可以重现实验电荷密度拉普拉斯算子的拓扑结构的所有细微特征。如此显著的定性和定量一致性代表了对锕系化合物电荷密度分析的实验和计算方法的强烈相互验证。
通过大脑启发的几何透镜重新思考最大流问题和波束形成设计
摘要 — 可以通过双管齐下的方法提高无线网络（如车载网络）的数据速率，即 1）通过并行独立路由提高网络流速率；2）通过波束成形码本自适应提高用户的链路速率。移动中继（如移动路边单元）由于其定位灵活，可用于实现这些目标。首先在网络层面，我们将正则化拉普拉斯矩阵建模为黎曼流形上的点，该矩阵是表示中继相关网络图的对称正定 (SPD) 矩阵。受大脑网络中不同任务的几何分类的启发，黎曼度量（如对数欧几里德度量 (LEM)）用于选择可实现最大 LEM 的中继位置。仿真结果表明，与其他传统度量（如代数连通性）相比，所提出的基于 LEM 的中继定位算法可实现并行路由并实现最大网络流速率。其次，在链路层，我们提出了一种无监督几何机器学习 (G-ML) 方法来学习每个中继相关环境的独特信道特性。鉴于空间相关衰落信道具有 SPD 协方差矩阵，它们可以在黎曼流形上表示。因此，基于 LEM 的黎曼度量用于环境信道的无监督学习，并据此构建匹配的波束成形码本。仿真结果表明，所提出的 G-ML 模型在短暂的训练期后提高了链路速率。
使用多图正则化核范数最小化预测药物-靶标相互作用
在制药科学中，识别药物和靶标蛋白之间的潜在相互作用至关重要。在基因组药物发现中，相互作用的实验验证费力且昂贵；因此，需要高效、准确的计算机模拟技术来预测潜在的药物-靶标相互作用，以缩小实验验证的搜索空间。在这项工作中，我们提出了一个新框架，即多图正则化核范数最小化，它从三个输入预测药物和靶标蛋白之间的相互作用：已知的药物-靶标相互作用网络、药物之间的相似性以及靶标之间的相似性。所提出的方法侧重于寻找一个低秩相互作用矩阵，该矩阵由图编码的药物和靶标的接近度构成。先前关于药物靶标相互作用 (DTI) 预测的研究表明，结合药物和靶标的相似性有助于通过保留原始数据的局部几何形状更好地学习数据流形。但是，对于哪种相似性以及哪种组合最能帮助完成预测任务，目前还没有明确的共识。因此，我们建议使用各种药物间相似性和靶标间相似性作为多图拉普拉斯（药物/靶标）正则化项，以详尽地捕获近似值。使用标准评估指标（AUPR 和 AUC）对四个基准数据集进行的大量交叉验证实验表明，所提出的算法提高了预测性能，并且大大优于最近最先进的计算方法。软件可在 https://github.com/aanchalMongia/ MGRNNMforDTI 上公开获取。
EEG 信号复杂性测量以增强 BCI-...
摘要：中风是全球第二大死亡原因和最常见的残疾原因之一。研究人员发现脑机接口 (BCI) 技术可以更好地帮助中风患者康复。本研究使用所提出的运动想象 (MI) 框架分析了来自 8 名受试者的脑电图 (EEG) 数据集，以增强针对中风患者的基于 MI 的 BCI 系统。该框架的预处理部分包括使用传统滤波器和独立成分分析 (ICA) 去噪方法。然后计算分形维数 (FD) 和赫斯特指数 (Hur) 作为复杂性特征，并评估 Tsallis 熵 (TsEn) 和弥散熵 (DispEn) 作为不规则参数。然后使用双向方差分析 (ANOVA) 从每个参与者那里统计检索基于 MI 的 BCI 特征，以展示个体在四个类别（左手、右手、脚和舌头）中的表现。降维算法拉普拉斯特征图 (LE) 用于增强基于 MI 的 BCI 分类性能。利用 k 最近邻 (KNN)、支持向量机 (SVM) 和随机森林 (RF) 分类器，最终确定了中风后患者的组别。研究结果表明，使用 RF 和 KNN 的 LE 分别获得了 74.48% 和 73.20% 的准确率；因此，所提出的特征与 ICA 去噪技术的综合集可以准确描述所提出的 MI 框架，可用于探索四类基于 MI 的 BCI 康复。这项研究将帮助临床医生、医生和技术人员为中风患者制定良好的康复计划。
对人类机器信息系统中合理选择问题的神经界面技术的比较分析
摘要。现代神经界面的市场尽管不幸的是，尽管它的积极发展，但可以为用户提供许多现有的原型，这些原型具有相对较低的人类操作员控制效果的准确性和识别可靠性。此外，市场上的任何神经界面都必须分别针对每个操作员量身定制，这使得很难使其准确性，精度和可靠性客观化。解决上述问题的第一步是对本文介绍的现有神经接口技术市场的不同价格段进行比较分析。市场研究表明，尽管脑电图的缺点，但它是在神经界面系统中记录生物学信号的最易接收的非侵入性方法之一。为了促进未来的研究，已经考虑并分析了神经界面中已知模型和信号分析方法的主要优势和缺点。尤其是在信号预处理，诸如共同平均参考，独立组件分析，常见空间模式，表面拉普拉斯，常见的空间空间模式和自适应滤波等方法的信号预处理，优势和缺点的情况下。在评估信号的信息特征，模型和方法的分析基于自动锻炼的自适应参数，双线性自动化，多维自动进程，快速傅立叶变换，小波转换，波包分解的模型。此外，对人类神经界面操作员的控制效应的最常见鉴定方法（识别）的比较分析，即，判别分析的方法，参考矢量的方法，非线性贝叶斯分类器，邻居的分类器，人造神经网络的分类器。神经界面技术的研究为研究人员提供了更多的基础，以选择神经接口系统的数学，软件和硬件，并为新版本的开发提供了提高的准确性，可靠性和可靠性。
用于多类刀具磨损识别的无监督和半监督机器学习框架
摘要 刀具状态监测 (TCM) 对于确保产品质量和避免停机至关重要。机器学习已被证明对 TCM 至关重要。然而，现有的研究主要基于监督学习，这阻碍了它们在实际制造环境中的适用性，因为在役机器上的数据标记既麻烦又昂贵。此外，现有的无监督解决方案主要处理基于二元决策的 TCM，无法完全反映刀具磨损进展的动态。为了解决这些问题，我们提出了不同的无监督和半监督五类刀具磨损识别框架，分别处理完全未标记和部分标记的数据。底层方法包括拉普拉斯得分、稀疏自编码器 (SAE)、堆叠 SAE (SSAE)、自组织映射、Softmax、支持向量机和随机森林。对于半监督框架，我们考虑了标记数据仅影响特征学习、分类器构建或两者的设计。我们还研究了 SSAE 在监督层面的不同训练配置。我们将框架应用于两个铣刀运行至故障数据集，使用麦克风和加速度计记录。评估中考虑了不同百分比标记训练数据下的单传感器和多传感器数据。结果显示了哪种框架在哪种数据设置下可产生最佳预测性能，并强调了传感器融合和判别性特征表示在应对标签不可用和稀缺性方面的重要性，以及其他发现。两个完全未标记数据的数据集实现的最高宏 F1 分别达到 87.52% 和 75.80%，当只有 25% 的训练观测值被标记时，最高宏 F1 超过 90%。
时变图的开放系统量子热力学
在本文中，我们基于图结构的热力学表示，提出了一种新颖的时间演化网络分析方法。我们展示了如何通过将主要结构变化与热力学相变联系起来来表征随时间变化的复杂网络的演化。具体来说，我们推导出许多不同热力学量（特别是能量、熵和温度）的表达式，并用它们来描述网络系统随时间的演化行为。由于现实世界中没有一个系统是真正封闭的，并且与环境的相互作用通常很强，因此我们假设系统具有开放性。我们采用薛定谔图作为量子系统随时间的动态表示。首先，我们使用图结构的最新量子力学表示来计算网络熵，将图拉普拉斯算子连接到密度算子。然后，我们假设系统根据薛定谔表示演化，但我们允许由于与环境相互作用而导致的退相干，模型类似于环境诱导退相干。我们将模型的动态过程分解为（a）未知的时间相关幺正演化加上（b）观察/相互作用过程，从而简化模型，这是系统密度矩阵特征值变化的唯一原因。这使我们能够通过估计负责演化的幺正部分的隐藏时变汉密尔顿量来获得与环境的能量交换度量。利用能量、熵、压力和体积变化之间的热力学关系，我们恢复了热力学温度。我们评估了该方法在代表金融和生物领域复杂系统的真实世界时变网络上的效用。我们还比较和对比了热力学变量（能量、熵、温度和压力）提供的不同特征。研究表明，时变能量算子的估计可以强烈地表征时间演化系统的不同状态，并成功检测到网络演化过程中发生的关键事件。
卷378编号2全编号1089 2025年2月...
通过粗几何形状885詹妮弗·邓肯（Jennifer Duncan）的厚度嵌入对称空间中，这是球不等式的非线性变体。。。。。。。。。。。。。。。911 Yuchen Bi和Jie Zhou，Varifolds的最佳刚度估计值几乎最小化Willmore Energy。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。943 S.。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。967 Boris Bychkov，Petr Dunin-Barkowski，Kazarian和Sergey Shadrin，拓扑递归的符号义务。。。。。。。。。。。。。。。。1001 Nasrin Altafi，Robert Di Gennnaro，Federico Galetto，Sean Grete，Rosa M. Mir´o-Roig，Uwe Nagel，Artinian Gorenstein，Artinian Gorenstein。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1055 J. Charatonik，Alexandra Kwiatkowska和Robert P. Roe，。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1081 Ciprian A. Tudor，多维Stein方法和定量渐近独立性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1127 Sean Monahan，Halosphical Stacks和堆放的颜色风扇。。。。。。。。。。。1167 hao pan，Ergodic复发和素数之间的界限。。。。。。。。。。1215 Andr´e Guerra，Xavier Lamy和Konstantinos Zemas，在任意维度中的球体价值图中M obius组的急剧定量稳定性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1235 Kevin Ford和Mikhail R. Gabdullin，多项式连续复合值的长字符串。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1261 Zhicheng Wang，Lusztig对应和有限的Gan-Gross-Prosad问题。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1283。。。。。。。。。。。。。1329 1329和Coutiannis，Anh N. Le，Joel Moreira，Ronnie Pavlov和Florian K. 1373JoakimFærgeman，第四个钢化D模块。 。 。 。 。 。 。 。 。 。 。 。 1401 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。1329和Coutiannis，Anh N. Le，Joel Moreira，Ronnie Pavlov和Florian K.1373JoakimFærgeman，第四个钢化D模块。。。。。。。。。。。。1401。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。1433 VALOV的VESK，同质ANR空间的结构。。。。。。。。。。。。。。1449法国人和马汉MJ，阿诺索夫。1465
Vishnu Veilu Muthu的简历
Stop Project（2017-2018）：我的研究工作是关于基础设施的多机巡逻，重点是机器人人工感知方法，用于检测和识别异常情况。自动监视系统中的安全威胁包括使用深度学习算法，人的活动分析以及使用多个机器人和3D传感器的本地化检测。实习列表（2017年）：我有机会使用重新分割软件开发应用程序。重新分割 - 开发桌面有形用户界面的框架。我的工作是在基准标记和程序软件的中心设计一个空心空间来检测它。硕士论文（2017）：“投影框架的同步”，通过单个全球投射转换来整合不同框架投影重建矩阵组的方法。大多数投射重建方法都有常见的缺点，这些缺点需要多个迭代过程，并且可能不会收敛或仅收敛到局部最小值。通过安排全局网络中不同视图的每个摄像机之间的转换并使用图形建模来求解它们，以避免此类问题。清洁机器人 - ROS的计算机视觉（2016）：该项目是硕士课程工作的一部分；该项目的主要目的是从路边环境或派对现场检测垃圾。该过程设计的是对机器人进行编程以导航整个区域并搜索对象（垃圾）。实习Girona（2016）：我有机会学习和理解视频中移动对象的动态。实习Girona（2016）：我有机会学习和理解视频中移动对象的动态。我的工作是从移动车辆捕获的视频中提取光流信息。工作包括使用运动技术和场景分割的结构的视觉感知。种子图像细分（2015年）：该项目是Master课程工作实施和改进的一部分，“ Laplacian坐标是种子图像细分的坐标” CVPR2014研究论文。实习LE2I（2015）：我有机会学习相机校准技术和视觉感知概念的基本概念。我的工作是捕获带有未知相机参数在墙上投射的多个图像，并使用Jean-Yves Bouguet的相机校准工具箱对其进行校准。软件工程项目（2015年）：该项目是学士课程（软件工程模块）的一部分，其工作是为使用C ++的机器人框架设计GUI。该应用程序包含服务器和客户端部分，以管理机器人和工作站之间的网络连接。