ORME

2022年10月15日机构名称:

大脑网络转换器

为了了解大脑功能和精神障碍，人脑通常被建模为感兴趣区域 (ROI) 及其连接的网络。最近，基于 Transformer 的模型已经针对不同类型的数据（包括图）进行了研究，结果显示可广泛提高性能。在这项工作中，我们研究了基于 Transformer 的大脑网络分析模型。在数据的独特属性的驱动下，我们将大脑网络建模为具有固定大小和顺序的节点的图，这使我们能够 (1) 使用连接配置文件作为节点特征来提供自然且低成本的位置信息，以及 (2) 学习 ROI 之间的成对连接强度，并在个体之间使用有效的注意力权重，从而对下游分析任务具有预测性。此外，我们提出了一种基于自监督软聚类和正交投影的正交聚类读取操作。该设计考虑了决定 ROI 组之间相似行为的底层功能模块，从而产生可区分的聚类感知节点嵌入和信息图嵌入。最后，我们在唯一一个公开可用的大型脑网络数据集 ABIDE 上重新标准化了评估流程，以便对不同的模型进行有意义的比较。实验结果表明，我们提出的 B RAIN N ETWORK T TRANSFORMER 在公开的 ABIDE 和我们受限的 ABCD 数据集上都有明显的改进。实现可在 https://github.com/Wayfear/BrainNetworkTransformer 上获得。

查看详细

File

2022年9月15日机构名称:

深度学习改变图像分析的五种方式

深度学习使研究人员能够从果蝇、老鼠甚至人类中生成越来越复杂的连接组。这些数据可以帮助神经科学家了解大脑的工作原理，以及大脑结构在发育和疾病过程中的变化。但神经连接并不容易绘制。2018 年，利希特曼与加利福尼亚州山景城谷歌连接组学负责人维伦·贾恩联手，后者正在为他的团队的人工智能算法寻找合适的挑战。贾恩说：“连接组学中的图像分析任务非常困难。你必须能够在很远的距离内追踪这些细线，即细胞的轴突和树突，而传统的图像处理方法犯了太多错误，以至于它们对这项任务基本上毫无用处。”这些线可以比一微米还细，延伸到数百微米甚至毫米的组织。深度学习算法提供了一种自动分析连接组学数据的方法，同时仍能实现高精度。在深度学习中，研究人员可以使用包含感兴趣特征的注释数据集来训练复杂的计算模型，以便快速识别其他数据中的相同特征。“当你进行深度学习时，你会说，‘好吧，我只举几个例子，你自己想办法解决一切’，”德国海德堡欧洲分子生物学实验室的计算机科学家 Anna Kreshuk 说。但即使使用深度学习，Lichtman 和 Jain 在尝试绘制人类大脑皮层片段时也面临着艰巨的任务 1 。仅对 5,000 个左右极薄的组织切片进行成像就花了 326 天。两位研究人员花了大约 100 个小时手动注释图像和追踪神经元，以创建“地面实况”数据集来训练算法，这种方法被称为监督机器学习。然后，训练有素的算法自动将图像拼接在一起，并识别神经元和突触以生成最终的连接组。 Jain 的团队为解决这个问题投入了大量的计算资源，包括数千个张量处理单元 (TPU)，这是谷歌内部专为神经网络机器学习而打造的图形处理单元 (GPU)。Jain 说，处理这些数据需要几个月的时间，大约需要一百万个 TPU 小时，之后人类志愿者以协作的方式校对和纠正连接组，“有点像谷歌文档”，Lichtman 说。他们说，最终结果是任何物种中以这种细节程度重建的最大数据集。尽管如此，它只代表了 0.0001%

查看详细

File

2022年8月10日机构名称:

议程前海军武器站康科德

 RAB 公告、报告或其他业务  RAB 公开评论期  补救项目经理 (RPM) 更新（海军/EPA/DTSC/WB） 6:25 – 6:40 第 1 次演示：站点 29 现场工作更新演示者：Tyson Wislofsky (RPM) 6:40 -6:55 第 2 次演示：站点 22 现场工作更新演示者：Dennis Rourke (RPM) 6:55 – 7:05 全氟和多氟烷基物质 (PFAS) 更新 7:05 – 7:25 公众评论期 – 问答 7:25 – 7:30 未来 2022 年 RAB 会议的主题建议 7:30 休会

查看详细

File

2022年7月19日机构名称:

前 NAWC WARMINSTER 技术评论......

https://www.bracpmo.navy.mil/BRAC-Bases/Northeast/Former-Naval-Air-Warfare-Center-Warminster/ 海军联系人：Dawn DeFreitas 女士，BRAC 环境协调员；4911 South Broad Street，Philadelphia，PA 19112。电话 (215) 897-4903 或电子邮件：dawn.m.defreitas.civ@us.navy.mil EPA 网站：http://cumulis.epa.gov/supercpad/cursites/csitinfo.cfm?id=0302466

查看详细

File

2022年6月30日机构名称:

使用 ARDIOUNO 进行变压器负载剪切

变压器是一种在静止状态下将能量从一个级别转换为另一个级别的设备。本项目的目的是通过使用负载共享来防止变压器过载。变压器过载时，其效率会降低，绕组会变热，甚至可能烧毁。负载共享的结果是，变压器受到保护。这将通过使用微控制器将另一个变压器与 Arduino 并联来实现。两个控制器都将第一个变压器上的负载与参考值进行比较。当负载超过参考值时，第二个变压器将共享剩余负载。如果负载超过两个变压器的额定值，系统将关闭。每当通过 GSM 接收到通信时，操作员都会收到它。

查看详细