XiaoMi-AI文件搜索系统
World File Search SystemRQA
![arXiv:submit/2990311 [quant-ph] 2020 年 1 月 1 日](/simg/g:\will\search\icon\source\a\a4fb0fa2da8062705003b7485834e7a72fe94c05.webp)
arXiv:submit/2990311 [quant-ph] 2020 年 1 月 1 日
我们引入了强化量子退火 (RQA) 方案，其中智能代理与量子退火器交互，后者扮演学习自动机的随机环境角色，并尝试针对给定的问题迭代地找到更好的 Ising 汉密尔顿量。作为概念验证，我们提出了一种新方法，用于将布尔可满足性 (SAT) 的 NP 完全问题简化为最小化 Ising 汉密尔顿量，并展示如何应用 RQA 来提高找到全局最优解的概率。我们使用 D-Wave 2000Q 量子处理器对两个不同的基准 SAT 问题（即因式分解伪素数和具有相变的随机 SAT）进行了实验，结果表明，与量子退火领域最先进的技术相比，RQA 可以用更少的样本找到明显更好的解决方案。
ASD儿童脑电图信号的复发量化分析
本研究的目的是通过脑电图（EEG）确定典型发育中的听觉/视觉刺激的大脑反应和自闭症儿童的大脑反应。早期诊断确实有助于定制培训，并在常规流中进步。揭示了潜在的大脑动力学，采用了非线性分析。在当前的研究中，分析了具有不同参数的复发定量分析（RQA）。为了获得更好的信息检索，还考虑了余弦距离度量，并与RQA中的其他距离指标进行了比较。测量RQA的每个计算组合，并分析和讨论响应通道。据观察，具有余弦距离参数的风扇邻域能够显着区分ASD和TD。
基于图形的运动想象脑机接口脑电图频谱动态递归量化分析
摘要 — 尽管不断进行研究，但基于脑机接口 (BCI) 的通信方法尚不是一种有效可靠的手段，严重残疾的患者可以依赖这种手段。迄今为止，大多数基于运动想象 (MI) 的 BCI 系统使用传统的频谱分析方法来提取判别特征并对相关的基于脑电图 (EEG) 的感觉运动节律 (SMR) 动态进行分类，这导致性能相对较低。在本研究中，我们调查了使用递归量化分析 (RQA) 和基于复杂网络理论图的特征提取方法作为提高 MI-BCI 性能的新方法的可行性。这些特征植根于混沌理论，探索了 MI 神经反应背后的非线性动力学，作为对 MI 进行分类的新信息维度。方法：将六名健康参与者执行 MI-Rest 任务时记录的 EEG 时间序列投射到多维相空间轨迹中，以构建相应的递归图 (RP)。从 RP 中提取了八个基于非线性图的 RQA 特征，然后通过 5 倍嵌套交叉验证程序与经典光谱特征进行比较，以使用线性支持向量机 (SVM) 分类器进行参数优化。结果：与经典特征相比，基于非线性图的 RQA 特征能够将 MI-BCI 的平均性能提高 5.8%。意义：这些发现表明，RQA 和复杂网络分析可以为 EEG 信号的非线性特征提供新的信息维度，从而提高 MI-BCI 性能。
运动执行降低脑电图信号的复杂性
开发检测运动相关大脑活动的新方法是科学许多方面的关键，尤其是在脑机接口应用中。尽管使用传统方法已经揭示了一些众所周知的运动相关脑电图特征，但它们仍然缺乏对运动相关模式的稳健分类。在这里，我们介绍了运动相关大脑活动的新特征，并通过考虑感觉运动皮层中 µ 节律的事件相关去同步 (ERD)，即跟踪相应频带中功率谱密度的下降，揭示了潜在神经元动力学的隐藏机制。我们假设运动相关 ERD 与 µ 波段神经元活动的随机波动抑制有关。这是由于相应振荡模式中涉及的活跃神经元群体数量减少。在这种情况下，我们预计在感觉运动皮层记录的 EEG 信号将具有更规则的动态和更复杂的降低。为了支持这一点，我们通过递归量化分析 (RQA) 应用信号复杂性测量。具体来说，我们证明某些 RQA 量化器对于检测运动开始的时刻非常有用，因此能够对执行的动作的侧面性进行分类。
通过心率时间序列的递归量化分析自动检测有氧阈值
摘要：在强度不断增加的运动过程中，人体会根据实际需求通过不同的机制转换能量。人体的能量利用可分为三个阶段，每个阶段的特点是不同的代谢过程，并由两个阈值点分隔，即有氧阈值 (AerT) 和无氧阈值 (AnT)。这些阈值在确定的运动强度 (工作量) 值时发生，并且会因人而异。它们被视为运动能力的指标，可用于个性化体育活动计划。它们通常通过通气或代谢变量检测，需要昂贵的设备和侵入性测量。最近，人们特别关注 AerT，这是一个特别适用于超重和肥胖人群的参数，可用于确定减肥和增强体质的最佳运动强度。本研究旨在提出一种新程序，使用复发分析 (RQA) 自动识别 AerT，该程序仅依赖心率时间序列，该时间序列是从一群年轻运动员在自行车功率计上进行亚最大增量运动测试 (心肺运动测试, CPET) 期间获得的。我们发现，确定性最小值（根据时期复发量化 (RQE) 方法计算出的 RQA 特征）可识别发生一般代谢转变的时间点。在这些转变中，基于确定性最小值的最大凸度的标准可以检测到第一个代谢阈值。普通最小积回归分析表明，RQA 估计的与 AerT 相对应的耗氧量 VO 2 、心率 (HR) 和工作量的值与 CPET 估计的值高度相关 (r > 0.64)。 HR 和 VO2 的平均百分比差异均小于 2%，工作负荷的平均百分比差异小于 11%。AerT 时 HR 的技术误差小于 8%；AerT 时所有变量的组内相关系数值均适中（≥ 0.66）。因此，该系统是一种仅依靠心率时间序列检测 AerT 的有用方法，一旦针对不同活动进行了验证，将来就可以轻松应用于从便携式心率监测器获取数据的应用中。
汽车产品开发中的电气构建问题
论文中使用的缩写 2D 二维 3D 三维 AIMS 自动问题管理系统 BOM 物料清单 BOP 工艺清单 CAD 计算机辅助设计 CAE 计算机辅助工程 CAM 计算机辅助制造 CATIA 计算机辅助三维交互式应用。 CC 间隙计算器 CPS 活动预防专家 DIAS 数字创新和激活支持系统 DPA 数字原型组装 DRC 设计规则检查 DRC 设计规则检查器 ECAD 电气计算机辅助设计 ECAR 电气连接器布置审查 EDS 电气分配系统 FDJ 最终数据判断 FMEA 故障模式影响分析 GPDS 全球产品开发系统 ICD 公司间设计 LH 左手 MCAD 机械计算机辅助设计 MCR 材料成本降低 NA 北美 NPDS 新产品开发系统 OEM 原始设备制造商 CPDS 当前产品开发系统 PCI 零件变更合并 PD 产品开发 PDL 产品方向信 PDP 产品开发流程 PMT 程序模块团队 RQA 路由质量评估 SDS 系统设计规范 SME 主题专家 T/O 取出 TDR 技术设计评审 VMV 蒸汽管理阀 VO 车辆操作 VSM 价值体系映射 VVT 虚拟验证工具 WERS 全球工程发布系统 WSS 接线屏蔽系统
使用基于递归图的特征提取和迁移学习自动检测癫痫脑电信号
* 通讯作者：sachin.viet@gmail.com，电话：+91-9268793832 摘要 - “癫痫”是一种常见的神经系统大脑疾病，会影响人类生命的任何阶段。全世界约有 1-2% 的人口受到这种主要慢性疾病的影响。在癫痫诊断的几种应用中，脑电图 (EEG) 信号是早期发现癫痫发作的最重要工具。根据癫痫发作，脑电图 (EEG) 信号可分为癫痫性和非癫痫性。最近的研究主要通过两种方法进行了预测和分析癫痫发作的各种可能性：使用信号处理的传统方法和基于深度学习的方法。因此，需要找到一种合适且可靠的方法来检测和分类 EEG 信号中的癫痫发作。由于 EEG 信号本质上非常随机且非线性，因此我们需要一种非线性技术来检查 EEG 信号，从而能够对不同的 EEG 信号（即癫痫信号和非癫痫信号）进行分类。在我们的论文中，我们提出了一种非线性技术，使用递归量化分析方法（缩写为 RQA）来提取 EEG 信号的特征，其参数来自递归图 (RP)。在分析和分类时间序列时，大多数时候会从 EEG 时间序列中提取一些已识别的统计特征集，并将其作为机器学习分类器的输入。我们提出的方法找到了一种使用深度神经网络 (DNN) 对 EEG 信号时间序列进行分类的新颖且合适的方法。因此，使用递归图将 EEG 信号转换为 RGB 图像。我们使用预训练的 DNN 作为 ResNet-50，这是一个深度为 50 层的卷积神经网络，用于从递归图中提取特征。然后我们使用多个机器学习分类器将信号分类为癫痫和非癫痫，并指出 SVM 的准确率最高。本研究论文表明，可以使用深度学习算法通过脑电图信号利用复发图诊断癫痫，这种算法通常用于图像分类挑战。关键词-癫痫；脑电图信号；复发图；深度神经网络；成像时间序列数据 1. 简介大脑是人体的重要器官，负责监测和控制代谢过程。癫痫、缺血性中风和脑肿瘤等脑部疾病可能会损害正常的生物功能 [1]。神经系统疾病影响从婴儿到老年人的所有年龄段的人。这些疾病有几种形式，癫痫在受其影响的人数最多方面位居第四