XiaoMi-AI文件搜索系统
World File Search SystemSpectral
从RGB图像中的光谱特征的预测映射用于越野地形分析
摘要 - 准确识别复杂的地形特征，例如土壤组成和摩擦系数，对于基于模型的计划和越野环境中移动机器人的控制至关重要。光谱特征利用光吸收和反射的不同模式来识别各种材料，从而可以精确地表征其固有特性。机器人技术的最新研究探索了光谱的采用，以增强与环境的感知和相互作用。但是，安装这些传感器所需的巨大成本和精致的设置存在着广泛采用的强大障碍。在这项研究中，我们将RS-NET（RGB引入光谱网络），这是一种深层神经网络体系结构，旨在将RGB图像映射到相应的光谱签名。我们说明了如何将RS-NET与共同学习技术协同结合，以进行地形性质估计。初始结果证明了这种方法在表征广泛的越野现实世界数据集中的光谱特征方面的有效性。这些发现仅使用RGB摄像机强调了地形性质估计的可行性。
增材制造中打印质量预测的光谱特征分析：基于声学的方法
摘要：增材制造 (AM) 工艺中的质量预测至关重要，特别是在航空航天、生物医学和汽车等高风险制造业。声学传感器已成为一种有价值的工具，可通过分析特征和提取独特特征来检测打印图案的变化。本研究重点关注熔融沉积成型 (FDM) 3D 打印样品立方体 (10 mm × 10 mm × 5 mm) 的声学数据流的收集、预处理和分析。以 10 秒为间隔提取不同层厚度的时域和频域特征。使用谐波-打击源分离 (HPSS) 方法对音频样本进行预处理，并使用 Librosa 模块对时间和频率特征进行分析。进行了特征重要性分析，并使用八种不同的分类器算法（K最近邻（KNN）、支持向量机（SVM）、高斯朴素贝叶斯（GNB）、决策树（DT）、逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGB）和轻梯度提升机（LightGBM））实施机器学习（ML）预测，以基于标记数据集对打印质量进行分类。使用具有不同层厚度的三维打印样品（代表两种打印质量水平）生成音频样本。从这些音频样本中提取的频谱特征作为监督ML算法的输入变量，以预测打印质量。调查显示，频谱平坦度、频谱质心、功率谱密度和RMS能量的平均值是最关键的声学特征。使用包括准确度分数、F-1分数、召回率、精确度和ROC / AUC在内的预测指标来评估模型。极端梯度提升算法脱颖而出，成为最佳模型，预测准确率为 91.3%，准确率为 88.8%，召回率为 92.9%，F-1 得分为 90.8%，AUC 为 96.3%。这项研究为使用熔融沉积模型进行基于声学的 3D 打印部件质量预测和控制奠定了基础，并可扩展到其他增材制造技术。
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。
验证可穿戴 MUSE 耳机的脑电图频谱分析和额叶阿尔法不对称
摘要 — EEG 功率谱密度 (PSD)、个体 alpha 频率 (IAF) 和额叶 alpha 不对称 (FAA) 都是 EEG 频谱测量，已广泛用于评估实验和临床环境中的认知和注意力过程，并且可用于现实世界的应用（例如远程 EEG 监测、脑机接口、神经反馈、神经调节等）。高密度 EEG 记录系统的成本高、移动性低、准备时间长，这些因素限制了其潜在应用。低密度可穿戴系统解决了这些问题，并可以增加对更大和多样化样本的访问。本研究测试了低成本、4 通道可穿戴 EEG 系统 (MUSE) 是否可用于快速测量连续 EEG 数据，从而产生与研究级 EEG 系统 (64 通道 BIOSEMI Active Two) 相似的频率分量。我们将参考乳突的 MUSE EEG 数据的频谱测量与具有两个不同参考的 BIOSEMI EEG 数据的频谱测量进行比较以进行验证。我们特意收集了最少量的数据来测试实际应用的可行性（EEG 设置和数据收集在 5 分钟内完成）。我们表明 MUSE 可用于检查所有频带的功率谱密度 (PSD)、单个 alpha 频率 (IAF；即峰值 alpha 频率和 alpha 重心) 和额叶 alpha 不对称。此外，我们观察到使用 MUSE 记录的 alpha 功率和不对称测量具有令人满意的内部一致性可靠性。估计 PAF 和 CoG 频率上的不对称性与传统方法（整个 alpha 波段）相比没有产生显着优势。这些发现应推动在大量参与者样本中使用可穿戴神经技术进行人类神经生理监测，并提高其在现实环境中实施的可行性。关键词——可穿戴 EEG、功率谱密度、频域、信号验证、额叶 alpha 不对称、单个 alpha 频率 (IAF)。
在不同汉密尔顿量和谱密度下对开放量子动力学进行有效的量子模拟
在研究各种量子系统时，对各种汉密尔顿量和谱密度的开放量子动力学进行模拟是普遍存在的。在量子计算机上，模拟一个 N 维量子系统只需要 log 2 N 个量子比特，因此与传统方法相比，在量子计算机中进行模拟可以大大降低计算复杂度。最近，提出了一种用于研究光合作用光收集的量子模拟方法 [npj Quantum Inf. 4, 52 (2018)]。在本文中，我们应用该方法模拟各种光合作用系统的开放量子动力学。我们表明，对于 Drude-Lorentz 谱密度，供体和受体团簇内分别具有强耦合的二聚化几何结构表现出显著提高的效率。我们还证明，当供体和受体团簇之间的能隙与谱密度的最优值匹配时，总能量传递可以得到优化。我们还研究了不同类型的浴（例如欧姆、亚欧姆和超欧姆谱密度）的影响。目前的研究表明，所提出的方法对于模拟光合作用系统的精确量子动力学具有普遍性。
HYTI：6U 立方体卫星的高光谱和空间分辨率热成像
摘要 美国宇航局地球科学技术办公室 InVEST（地球科学技术空间验证）计划资助的 HyTI（高光谱热像仪）任务将演示如何从 6U 立方体卫星平台获取高光谱和空间长波红外图像数据。该任务将使用空间调制干涉成像技术生成光谱辐射校准的图像立方体，该立方体有 25 个通道（8-10.7 m 之间，分辨率为 13 cm -1），地面采样距离约为 60 m。HyTI 性能模型表明窄带 NE Ts 小于 0.3 K。HyTI 的小巧外形是通过使用无活动部件的法布里-珀罗干涉仪和 JPL 的低温冷却 HOT-BIRD FPA 技术实现的。发射时间不早于 2021 年秋季。HyTI 对地球科学家的价值将通过机载处理原始仪器数据来生成 L1 和 L2 产品来展示，重点是快速提供有关火山脱气、地表温度和精准农业指标的数据。
基因表达光谱：单个和多OMIC数据的快速密度感知光谱聚类
动机：聚类患者的浮躁数据是开发精确医学不可或缺的，因为它允许鉴定疾病亚型。当前的主要挑战是识别共享结构并降低噪声的集成多摩管数据。群集分析也越来越多地应用于单粒数据，例如，在单细胞RNA-SEQ分析中用于聚类单个细胞的转录组。该技术具有临床意义。因此，我们的动机是为了为单个和多摩尼克数据开发一种灵活而有效的光谱聚类工具。结果：我们提出了一种用于复杂的Omic数据的新光谱聚类方法。Spectrum使用一种自我调节密度感知的内核，我们开发了共享共同最近邻居的点之间的相似性。它使用张量产品图数据集成和扩散程序来减少噪声并揭示基础结构。频谱包含一种新方法，用于查找涉及特征向量分布分析的最佳簇数（K）。频谱可以自动发现高斯和非高斯结构的k。我们在21个真实表达数据集中证明了频谱相对于其他方法提供了改进的运行时间和更好的簇结果。可用性和实现：频谱可作为R cran https：//cran.r-project的R软件包提供。org/web/packages/spectrum/index.html。联系人：Christopher.john@qmul.ac.uk补充信息：补充数据可在Online BioInformatics获得。
用隐藏的高斯图形光谱模型识别振荡性脑网络
识别基于间接观察到的过程的功能网络构成了神经科学或其他领域的反问题。对此类反问题的解决方案估算为第一步，该活动从脑电图或MEG数据中从功能网络中出现。这些脑电图或MEG估计是对功能性脑网络活动的直接反映，其时间分辨率是其他体内神经图像无法提供的。第二步估计了此类活动pseudodata的功能连通性，揭示了与所有认知和行为密切相关的振荡性脑网络。对此类MEG或EEG逆问题的模拟还揭示了由任何最新的反溶液确定的功能连接性的估计误差。我们揭示了估计误差的重要原因，该原因源自将任一个逆解决方案步骤的功能网络模型的错误指定。我们介绍了指定这种振荡性脑网络模型的隐藏高斯图形光谱（HIGGS）模型的贝叶斯识别。在人EEGα节律模拟中，以ROC性能为单位测得的估计错误在我们的HIGG逆溶液中不会超过2％，而最先进的方法中的估计误差则达到20％。猕猴同时发生的EEG/ECOG记录为我们的结果提供了实验性确认，根据Riemannian距离，其一致性比最新的方法高的1/3倍。
使用 SWIR II 光谱域中的第二个全色通道在反射域中进行高光谱全色锐化
摘要：可见全色 (PAN) 和高光谱 (HS) 光谱范围之间差异较大，限制了反射域中的高光谱全色锐化方法，这显著导致 SWIR（1.0–2.5 µ m）光谱域的表示效果不佳。本研究提出了一种新颖的仪器概念，即在 SWIR II（2.0–2.5 µ m）光谱域中引入第二个 PAN 通道。提出了两种扩展融合方法来处理两个 PAN 通道，即 Gain-2P 和 CONDOR-2P：第一种方法是 Brovey 变换的扩展版本，而第二种方法在 Gain-2P 中添加了混合像素预处理步骤。通过遵循详尽的性能评估协议（包括全局、精细和局部数值分析以及监督分类），我们在近郊和城市数据集上评估了更新的方法。结果证实了第二个 PAN 通道的显著贡献（两个数据集的平均归一化间隙在反射域中提高了 45%，仅在 SWIR 域中提高了 60%），并揭示了 CONDOR-2P（与 Gain-2P 相比）在近郊数据集方面的明显优势。
基于频谱脑电波比率指数评估心理参与程度：系统评价
摘要：背景：本综述系统地研究了用于评估人类精神参与的脑电图衍生比率指数的科学文献，以推断它们是什么、如何定义和使用它们以及它们的最佳应用领域是什么。（2）方法：根据系统评价和荟萃分析的首选报告项目 (PRISMA) 指南进行审查。（3）结果：从搜索查询中，共得到 82 篇文档。大多数 (82%) 被归类为与精神紧张有关，而 12% 被归类为与感觉和情绪方面有关，6% 与运动有关。使用的脑电图电极蒙太奇在 13% 的文档中为低密度，6% 的文档中为高密度，81% 的文档中为极低密度。用于计算参与指数的最常用电极位置是额叶和前额叶皮层。总体而言，发现了 37 种不同的参与指数公式。它们都不能直接与特定的应用领域相关。（4）结论：这些指标的定义缺乏标准化，无论是在考虑的频带中还是在利用的电极中。未来的研究可能侧重于开发具有独特定义的指标，以监测和描述心理参与。