XiaoMi-AI文件搜索系统
World File Search SystemSimilarity
MCGNet+：基于余弦相似度的改进运动想象分类
解决运动想象分类问题一直是脑信息学领域的难题。由于计算能力和算法可用性无法满足复杂的脑信号分析，准确度和效率是过去几十年运动想象分析的主要障碍。近年来，机器学习（ML）方法的快速发展使人们能够用更有效的方法来解决运动想象分类问题。在各种ML方法中，图神经网络（GNN）方法在处理相互关联的复杂网络方面显示出了其效率和准确性。GNN的使用为从大脑结构连接中提取特征提供了新的可能性。在本文中，我们提出了一种名为MCGNet +的新模型，它提高了我们之前的模型MutualGraphNet的性能。在这个最新的模型中，输入列的互信息形成了列间余弦相似度计算的初始邻接矩阵，从而在每次迭代中生成一个新的邻接矩阵。动态邻接矩阵与时空图卷积网络（ST-GCN）相结合，比不变矩阵模型具有更好的性能。实验结果表明，MCGNet+具有足够的鲁棒性来学习可解释的特征，并且优于目前最先进的方法。
分子相似性在药物发现、靶标预测和化学空间可视化中的应用
摘要：相似的药物分子通常具有相似的特性和活性。因此，量化分子相似性对于药物发现和优化至关重要。在这里，我回顾了我所在跨学科网络 NCCR TransCure 内开发的使用分子相似性测量的计算方法，该网络研究离子通道和膜转运蛋白的生理学、结构生物学和药理学。我们设计了一种 3D 分子形状和药效团比较算法，通过骨架跳跃优化弱和非选择性抑制剂，并发现了离子通道 TRPV6 和 TRPM4、内源性大麻素膜转运以及二价金属转运蛋白 DMT1 和 ZIP8 的强效和选择性抑制剂。我们通过将不同分子指纹的分子相似性搜索与 ChEMBL 数据库中的靶标注释化合物相结合来预测脱靶效应。最后，我们创建了反映分子相似性的交互式化学空间图，以方便筛选化合物的选择和筛选结果的分析。这些不同的工具可在线获取，网址为 https://gdb.unibe.ch/tools/。
感觉积极？根据脑信号预测情绪图像相似性
目前的视觉相似性概念是基于从图像内容中得出的特征。这忽略了用户对内容的情感体验，以及用户在搜索图像时的感受。在这里，我们将效价（情感评价的正或负量化）视为图像相似性的一个新维度。我们报告了最大规模的神经成像实验，该实验使用脑机接口的功能性近红外光谱来量化和预测视觉内容的效价。我们表明，情感相似性可以 (1) 直接从响应视觉刺激的大脑信号中解码，(2) 用于预测情感图像相似性，平均准确率为 0.58，高唤醒刺激的准确率为 0.65，(3) 有效地用于补充基于内容的模型的情感相似性估计；例如，当融合 fNIRS 和图像排名时，检索 F-measure@20 为 0.70。我们的工作为情感多媒体分析、检索和用户建模开辟了新的研究途径。
新诊断多发性骨髓瘤患者相似性网络可识别患者
多发性骨髓瘤显著的遗传异质性对患者的正确预后和临床管理提出了重大挑战。在这里，我们介绍了 MM-PSN，这是第一个多组学骨髓瘤患者相似性网络。MM-PSN 能够准确剖析疾病的遗传和分子图谱，并确定了 12 个不同的亚组，这些亚组由 655 名患者的基因组和转录组分析生成的五种数据类型定义。MM-PSN 确定了以前未描述的患者亚组，这些亚组由特定的改变模式定义，富含特定的基因脆弱性，并与潜在的治疗方案相关。我们的分析表明，与 t(4;14) 作为单一病变相比，t(4;14) 和 1q 增益同时出现可确定患者的复发风险明显更高且生存期更短。此外，我们的结果表明，1q 增益是最重要的单一病变，具有高复发风险，并且可以改进当前的国际分期系统 (ISS 和 R-ISS)。
研究文章对航空航天测试应用的SRS相似性的定量评估
冲击响应频谱（SRS）和目标冲击规范之间的相似性对于评估空间成分的合格检验的成功至关重要。资格测试设施通常利用冲击响应数据库进行快速测试。在特殊情况下，两种冲击（SR）的比较取决于视觉评估，这充其量是主观的。tis论文比较了评估冲击响应相似性的五种不同的定量方法。工作旨在找到最适合从Pyroshock数据库检索SRS的度量。五种方法是SRS的差异，平均加速度差异，平均SRS比率，无量纲SRS系数和均为平方的拟合方法。没有一个相似性指标可以说明目标SRS和数据库SRS之间偏差的迹象，从而使满足良好冲击测试的标准具有挑战性。我们提出了一个指标（加权距离），用于从这项工作中的冲击数据库中检索最相似的SRS SRS。加权距离的表现优于数据库SRS检索中的均方根优点和其他指标，以进行快速质量测试。
表征相似性分析对计算神经科学模型选择和评估的评价
神经科学的一个重要目标是确定不同大脑区域代表哪些类型的信息。在研究大脑表征的一种策略中，研究人员首先记录大脑对不同刺激的反应。然后使用统计方法来评估刺激和大脑反应之间关系的强度。然后使用这些统计评估结果推断感兴趣区域中编码的表征空间。认知神经科学家可以使用许多统计技术。它们包括统计参数映射方法 [12]、多元模式分析 (MVPA) 技术 [4] 和编码模型 [16]。一种常见的 MVPA 分析类型是表征相似性分析 (RSA；[10])。RSA 之所以被广泛采用，部分原因是它计算简单。然而，迄今为止很少有研究探索 RSA 的有效性。 10 在本文中，我们使用模拟数据和真实数据来评估 RSA 作为模型评估和模型选择方法的有效性，更广泛地说，作为计算神经科学的工具。模型评估是指在刺激和反应之间存在显著关系时，检测刺激和反应之间显著关系的能力。
基于邻里覆盖范围和相似性的自动驾驶汽车的几个场景测试
摘要 - 在大规模部署之前，必须调查和评估自动驾驶汽车（AV）的安全性能。实际上，特定AV的测试场景数量受到严格限制的预算和时间受到严格限制。由于严格限制的测试施加的限制，现有的测试方法通常会导致明显的不确定性或难以量化评估结果。在本文中，我们首次提出了“少数测试”（FST）问题，并提出了一个系统的框架来应对这一挑战。为了减轻小型测试方案集中固有的可观不确定性，我们将FST问题作为优化问题，并根据社区覆盖范围和相似性搜索测试方案集。具体而言，在AVS设置的测试方案更好的概括能力的指导下，我们动态调整了该集合以及每个测试方案对基于覆盖范围的评估结果的贡献，利用了替代模型（SMS）的先前信息。通过SMS上的某些假设，建立了评估误差的理论上上限，以验证给定数量有限的测试中评估准确性的充分性。与常规测试方法相比，剪切方案的实验结果表明，我们方法的评估误差和方差显着降低，尤其是对于对场景数量严格限制的情况。索引术语 - 射击测试，自动驾驶汽车，SCENARIO覆盖范围，测试方案集
分子相似性在药物发现、靶标预测和化学空间可视化中的应用
摘要：相似的药物分子通常具有相似的特性和活性。因此，量化分子相似性对于药物发现和优化至关重要。在这里，我回顾了我所在跨学科网络 NCCR TransCure 内开发的使用分子相似性测量的计算方法，该网络研究离子通道和膜转运蛋白的生理学、结构生物学和药理学。我们设计了一种 3D 分子形状和药效团比较算法，通过骨架跳跃优化弱和非选择性抑制剂，并发现了离子通道 TRPV6 和 TRPM4、内源性大麻素膜转运以及二价金属转运蛋白 DMT1 和 ZIP8 的强效和选择性抑制剂。我们通过将不同分子指纹的分子相似性搜索与 ChEMBL 数据库中的靶标注释化合物相结合来预测脱靶效应。最后，我们创建了反映分子相似性的交互式化学空间图，以方便筛选化合物的选择和筛选结果的分析。这些不同的工具可在线获取，网址为 https://gdb.unibe.ch/tools/。
在大脑和神经网络中代表学习期间任务相似性的影响
我们环境的复杂性对适应性行为构成了重大挑战。跨任务的共享结构可以通过概括从理论上改善学习。但是，这种共同的表示形式如何出现和影响绩效仍然很糟糕。与期望相反，我们的发现表明，接受过相似低维结构的任务培训的人的表现要比接受分散任务训练的人要差。磁脑摄影显示在相同结构组中相关的神经表示和不同结构组的反相关的神经表示相关。至关重要的是，实践减少了这种绩效差距，并将同一结构组的任务的神经表示转移到了抗相关性的情况下，就像不同结构组的神经相关性。在复制这些发现的类似任务上训练的神经网络模型：具有相似结构的任务需要更多的迭代才能正交其表示。这些结果突出显示了任务相似性，神经动力学和行为之间的综合相互作用，挑战了关于学习和概括的传统假设。
