XiaoMi-AI文件搜索系统
World File Search SystemSpikeS
用非冗余小波代表高维数据的动力学
数据科学中的一个至关重要的问题是将高维数据中的有意义的信息提取到一个低维功能集中，这些特征可以在不同级别上表示原始数据。小波分析是将时间序列信号分解为具有详细时间分辨率的几个级别的普遍方法。但是，获得的小波在每个样本中以及一个人群中的不同样本之间相互交织并过度代表。在这里，使用模拟尖峰，实验性尖峰，钙成像信号和人类电视学信号的神经科学数据，我们在小波之间利用条件互信息进行特征选择。验证了所选特征的有意义，以高精度地解码刺激或条件，但仅使用一小部分特征。这些结果提供了一种新的小波分析方法，用于提取时空神经数据动力学的基本特征，然后可以通过代表性特征支持机器学习的新型模型设计。
具有多尺度扩散动力学的高级离子尖峰模式
抽象的流体离子基质是成为实现神经形态回路的独特平台，其特征是它依赖于与大脑相同的水性培养基和离子信号载体。借助了离子尖峰电路的最新理论进步以及形成流体回忆录的锥体离子通道的动态电导，我们扩大了离子型电路中提出的神经元尖峰动力学的曲目。通过模型的电路包含带有双极表面电荷的通道，我们提取阶段爆发，混合模式尖峰，补品爆发和阈值可变性，所有这些都带有哺乳动物神经元典型范围内的尖峰电压和频率。由于典型的电导记忆保留时间在通道长度上的强烈依赖性，因此这些特征是可能的，使得时间表从单个尖峰到单个电路中多个尖峰的爆发不等。这些高级形式的神经元状尖峰支持探索水离子化作为神经形态回路的有趣平台。
脉冲神经膜系统和脉冲神经网络学习模型综述
脉冲神经网络 (SNN) 是一种受生物启发的神经网络模型，具有某些类似大脑的特性。在过去的几十年里，这种模型在计算机科学界引起了越来越多的关注，这也要归功于深度学习的成功。在 SNN 中，神经元之间的通信通过脉冲和脉冲序列进行。这使得这些模型有别于“标准”人工神经网络 (ANN)，在“标准”人工神经网络中，脉冲频率被实值信号取代。脉冲神经网络 P 系统 (SNPS) 可以被认为是 SNN 的一个分支，它更多地基于形式自动机的原理，在膜计算理论的框架内开发了许多变体。在本文中，我们首先简要比较了 SNN 和 SNPS 的结构和功能、优点和缺点。本文的一个关键部分是概述了 SNN 和 SNPS 形式化的机器学习和深度学习模型的最新成果和应用。
li-ion电池充电器接口电路，可快速，安全充电用于便携式电子设备
摘要：在本文中，提出了带有快速安全充电的锂离子电池充电器接口（BCI）电路。在充电期间，由于异步控制信号引起的电流尖峰和温度是极大地影响电池性能和寿命的因素。该电路具有以下特征：防止电流尖峰，还包含了永久的电池温度监测块。BCI使用双电流源，并在1.5 a的大电流模式下生成常数电流，进一步减少了充电时间。使用TSMC 180 nm技术在Cadence Virtuoso中设计和模拟了所提出的BCI。控制信号的仿真结果表明，所提出的体系结构能够消除当前的漂移并将电池温度保持在正常工作范围内。关键字：锂离子电池充电器接口，快速和安全的充电，双电流源，trick流，电流模式，大电流模式，恒定电压模式。
飞行中失控 - 华盛顿州利尔蒙斯以西 154 公里，2008 年 10 月 7 日，
摘要 2008 年 10 月 7 日，一架空客 A330-303 飞机（注册号 VH-QPA，航班号为澳航 72）从新加坡起飞，执行定期客运服务，飞往西澳大利亚珀斯。当飞机在 37,000 英尺的高度巡航时，飞机的三个大气数据惯性参考装置 (ADIRU) 之一开始向其他飞机系统输出所有飞行参数的间歇性错误值（尖峰）。两分钟后，由于迎角 (AOA) 数据出现尖峰，飞机的飞行控制主计算机 (FCPC) 命令飞机俯冲。机上 303 名乘客中至少有 110 人和 12 名机组人员中有 9 人受伤；其中 12 名乘客受重伤，另有 39 人送往医院接受治疗。虽然 FCPC 算法处理 AOA 数据通常非常有效，但它无法处理一个 ADIRU 的 AOA 出现多个峰值且间隔 1.2 秒的情况。该事件是 A330/A340 飞机超过 2800 万飞行小时中唯一已知的因该设计限制导致俯冲命令的例子，飞机制造商随后重新设计了 AOA 算法，以防止再次发生相同类型的事故。每个间歇性数据峰值可能都是在 LTN-101 ADIRU 的中央处理器 (CPU) 模块将一个参数的数据值与另一个参数的标签相结合时产生的。故障模式可能是由
自然视觉场景的神经网络重建...
神经编码是系统神经科学中的核心问题之一，用于了解大脑如何从环境中处理刺激，此外，它也是设计脑与机器界面算法的基石，在该算法中，解码传入的刺激是高度要求的，以便更好地性能进行物理设备的性能。传统研究人员将功能性磁共振成像（fMRI）数据作为解码视觉场景感兴趣的神经信号。但是，我们的视觉感知在称为神经尖峰的事件方面以毫秒的快速时间尺度运行。几乎没有使用尖峰进行解码的研究。在这里，我们通过开发一个基于深层神经网络的新型解码框架（名为Spike-图像解码器（SID））来重建自然视觉场景（包括静态图像和动态视频），从实验记录的视网膜神经节细胞的尖峰中重建了新的解码框架。SID是一个端到端解码器，其一端为神经尖峰，另一端为图像，可以直接训练它，以使视觉场景以高度准确的方式从尖峰重建。与现有的fMRI解码模型相比，我们的SID在视觉刺激的重建方面也表现出色。此外，借助Spike编码器，我们证明SID可以通过使用MNIST，CIFAR10和CIFAR100的图像数据集将其推广到任意视觉场景。此外，有了预先训练的SID，可以解码任何动态视频，以实现通过Spikes对视觉场景进行实时编码和解码。©2020 Elsevier Ltd.保留所有权利。总的来说，我们的结果为人工视觉系统（例如基于事件的视觉摄像机和视觉神经图）提供了有关神经形态计算的新启示。
今天的噪音明天的信号
神经元快速（1 毫秒）动作电位（“尖峰”）的可检测性定义了侵入性（微观）和非侵入性（宏观）EEG 之间的鲜明对比：虽然非侵入性记录反映了总突触后电位（反映神经元输入），但侵入性微电极也揭示了神经计算的输出 - 尖峰。最近，基于高频 EEG/MEG，这种微观/宏观差距已经缩小：本讲座将 (i) 讨论区分慢速和快速神经元活动的基本神经物理学，(ii) 详细说明高频（> 600 Hz）体感反应作为非侵入性尖峰相关记录的关键范例，以及 (iii) 报告新型神经技术，该技术能够对甚至高于 1 kHz 的 EEG/MEG 活动进行高分辨率头皮映射，从而反映人类新皮层群体尖峰的非侵入性相关性。至关重要的是，当记录条件提供最佳 SNR 时，单次试验（非平均）高频突发事件检测变得可行，从而为非侵入性监测人类新皮层群体峰值提供了独特的视角。
2021 年军事和航空航天 EMC 指南
美国联邦航空管理局 (FAA) 针对商用飞机提出的一项流行且常见的航空航天 EMC 要求是 RTCA/DO-160《机载设备的环境条件和测试程序》。最新版本是 RTCA/DO-160 G，发布于 2010 年 12 月 8 日，第 1 次变更发布于 2015 年 12 月 16 日。DO-160 涵盖的远不止 EMC 问题，其 EMC 主题还包括输入功率传导发射和敏感度、瞬变、断线和延迟；电压尖峰，用于确定设备是否能承受通过电源线（交流或直流）到达设备的电压尖峰的影响；音频频率传导敏感度，用于确定设备是否能接受在空调中安装时通常预期的幅度的频率分量；感应信号敏感度，以确定设备互连电路配置是否能接受由安装环境引起的感应电压水平；射频发射和敏感度；雷电敏感度；以及静电放电敏感度。