XiaoMi-AI文件搜索系统
World File Search SystemTosun
引用/参考：Tosun, M. & Çetin, O. (2021)。使用经验模态分解和 Welch 方法对四类运动幻像脑电信号进行深入分析
在基于脑电图（EEG）的脑机接口（BCI）应用中，从想象相关肢体运动获得的运动想象（MI）信号中提取特征并对其进行分类是一个非常重要的问题。在 MI-EEG 信号的研究中，已经使用了许多不同的特征提取方法和分类算法。然而，随着这些信号中类别数量的增加，分类成功率之间存在显著差异。在提出的方法中，提出了一种包括信号功率谱密度（PSD）信息的特征提取方法。通过对原始 EEG 数据应用经验模态分解 (EMD)，可以获得不同频率水平的信号。这些信号的PSD值是使用Welch方法计算的。将得到的PSD值组合成特征向量。使用生成的特征向量，训练了一种流行的深度学习算法——长短期记忆 (LSTM) 网络。对培训后获得的测试成功情况根据个人和渠道进行了详细的比较。比较结果发现，位于头皮中心点的通道比其他通道更成功。
头对头比较...
本文已提交给阿尔茨海默氏症和痴呆症杂志，目前正在审查中。Suzanne E. Schindler，医学博士，博士* 1，Kellen K. Petersen，PhD 1，Benjamin Saef，MS 1，MS 1，Duygu Tosun，Duygu Tosun，PhD 2，Leslie M. Shaw，PhD 3，Henrik Zetterberg，Henrik Zetterberg，MD Triana-Baltzer, PhD 13 , Lei Du-Cuny, PhD 14 , Yan Li, PhD 1 , Janaky Coomaraswamy, PhD 15 , Michael Baratta, BA, MCAHPM 15 , Yulia Mordashova, MS 14 , Ziad S. Saad, PhD 13 , David L. Raunig, PhD 15 , Nicholas J. Ashton, PhD 4,16,17 , Emily A. Meyers，PhD 18，Carrie E. Rubel，PhD 12，Erin G. Rosenbaugh，PhD 19，Anthony W. Bannon，Anthony W. Bannon，PhD 20，William Z. Potter，医学博士，医学博士21，阿尔茨海默氏病神经影像学计划（ADNI）**阿尔茨海默氏病项目小组
DNA和proteİne
Metin Tosun（1）İlknurAkgün（1）SevimSağsöz（1）摘要：控制所有生物体中遗传性特征的DNA段均以基因表示。每个细胞中DNA的某些组成都包含某些遗传信息。转化了基因所携带的信息，并且合成了将在蛋白质合成中起作用的RNA。蛋白质是由氨基酸组成的宏分子，添加了末端-DEND。尽管今天已经阐明了许多与基因表达相关的事件，但控制基因周期的机制将无法完全知道。简介确定生长形式和生物发育特征的大多数遗传信息都位于细胞的核心中。在线粒体和叶绿体（植物）中很少。核心DNA和功能将在此处提及。DNA，功能和的组织，使了解植物生长和开发的事件变得更容易
国际汽车科学技术杂志
Erdi Tosun 1* , Sinan Keiyinci 1 , Ali Cem Yakaryılmaz 1 , Şafak Yıldızhan 1 and Mustafa Özcanlı 1 1 Automotive Engineering Department, Faculty of Engineering, Çukurova University, Adana, 01250, Turkiye AbstractGrowing awareness of climate change concerns and the environmental impacts of fossil fuel车辆对电动汽车（EV）的兴趣提高。因此，EV是可持续运输解决方案的重要组成部分。此外，随着电池技术的进步，电动汽车现在具有更长的范围，并且以更具竞争力的价格提供。具有著名的功能，例如高能量密度，轻度，低维护要求和长寿，锂离子电池（LIBS）似乎是电动汽车的最合适的电池选项。然而，当前的LIB技术面临电池成本，存储容量，充电时间和安全问题。在这种情况下，很明显，未来的研发将着重于提高自由液体技术的效率，并使这些电池更具可持续性，可靠和经济性。本研究旨在通过研究历史发展，操作原理的基础，各种几何类型，成本评估以及它们的优势和缺点来评估汽车部门使用的LIB。通过涵盖这些方面，该研究试图对汽车行业中使用的LIB进行全面评估，从历史的发展到当今的利用。这项研究还打算作为计划通过提供与这些电池相关的基本概念和评估来对EVS进行研究的研究人员的参考来源。关键单词：汽车行业；电动汽车；能源；锂离子电池
基于人工智能的软件缺陷预测器：案例研究中的应用和优势
Ayse Tosun 1、Ayse Bener 2、Resat Kale 3 1,2 博阿齐奇大学计算机工程系软件研究实验室（SoftLab），邮编 34342，伊斯坦布尔，土耳其 3 Turkcell 技术公司，盖布泽，伊斯坦布尔，土耳其 1 ayse.tosun@boun.edu.tr，2 bener@boun.edu.tr，3 resat.kale@turkcellteknoloji.com.tr 摘要 软件缺陷预测旨在通过引导测试人员完成软件系统中易出现缺陷的部分来减少软件测试工作量。缺陷预测器被广泛用于组织中以预测缺陷，从而节省时间和精力，作为手动代码审查等其他技术的替代方案。在现实环境中应用缺陷预测模型很困难，因为它需要来自过去项目的软件度量和缺陷数据来预测新项目的缺陷倾向。另一方面，它非常实用，因为它易于应用，可以用更少的时间检测出缺陷并减少测试工作量。我们在一年的时间内为一家电信公司建立了一个基于学习的缺陷预测模型。在这项研究中，我们简要解释了我们的模型，展示了它的收益并描述了我们如何在公司中实施该模型。此外，我们将我们的模型的性能与试点项目中应用的另一种测试策略的性能进行了比较，该项目实施了一种名为团队软件流程 (TSP) 的新流程。我们的结果表明，缺陷预测器可用作新流程实施过程中的支持工具，预测 75% 的代码缺陷，并减少测试时间，而通过代码审查和正式检查表等更耗费劳动力的策略检测到的代码缺陷率为 25%。
基因组基因座影响人脑结构协方差的模式
Juna M. Nasrallah，Abdulkadir B，Theodore D. Boquet -Pjadas G，Elizabeth Mamourian B，Sinnivasan Srinavasan。 Yang H，Paola Dazzan J，Rene St. Kahn K，Hugo G. Schnack，Marcus V.Wood Q，消息来源，拉蒙塔尼（Lamontagne），苏珊·奥斯丁（Susan Austin），莱诺尔·J·劳纳（Lenorer J.
基因组位点影响人类大脑结构协变模式
Junhao Wen a,b,1 , Ilya M. Nasrallah b,c , Ahmed Abdulkadir b, Theodore D. Satterthwaite b,d , Zhijian Yang b, Guray Erus b, Timothy Robert-Fitzgerald e, Ashish Singh b, Aristeidis Sotiras f, Aleix Boquet-Pujadas g, Elizabeth Mamourian b, Jimit Doshi b, Yuhan Cui b, Dhivya Srinivasan b, Ioanna Skampardoni b, Jiong Chen b, Gyujoon Hwang b, Mark Bergman b, Jingxuan Bao h, Yogasudha Veturi i, Zhen Zhou b, Shu Yang h, Paola Dazzan j, Rene S. Kahn k, Hugo G. Schnack l, Marcus V. Zanetti m, Eva Meisenzahl n, Geraldo F. Busatto M，Benedicto Crespo-Facorro O，Christos Pantelis P，Stephen J. Wood Q，Chuanjun Zhuo R，Russell T. Shinohara B，E，Ruben C. Gur D，Raquel C. Gur D，Raquel E. U，Olivier Colliot V，Katharina Wittfeld W，Hans J. dd、Paul Maruff dd、Jurgen Fripp ee、Sterling C. Johnson ff、John C. Morris gg、Marilyn S. Albert hh、R. Nick Bryan c、Susan M. Resnick y、Yong Fan b、Mohamad Habes ii、David Wolk b,jj、Haochang Shou b,e 和 Christos Davatzikos b,1
在Türkiye的毕业生中，碳足迹...
表5。这些论文是在2013年产生的主题月经来源定居点22 Atabey，2013年； Turanli，2015年； Özçelik，2017年； Yüksel，2017年； Perdeli 2018; Altınöz2019; Cevizci，2019年； 2019;阿克杜丹（Akdudan），2022年；卡菲，2022年； Karakaya，2022年； Karakoç，2022年； Yakut，2022年； Aydın2023; Çerçi，2023年； Gürsoy，2023年；熟练，2023年；根，2023； Sileybi，2023年；冰，2024年； Çağan2024; Özcan2024行业23Özlem，2013年； Sreng，2016年； Young，2017年；快乐，2018年； Doğan，2019年； 2019年；斧头，2020年；丁达，2021年；萨班，2022年；乌兹古尔，2022年； Yaşar，2022年； Akpınar，2023年； Coşgun2023;埃德兹（Ediz），2023年；光，2023年； Öksüm，2023年； Vayiç，2023年；助理Dogan，2023年； Yeşilyurt2023; Aşır2024;亨特，2024年；肯迪尔·杜曼（Kendir Duman），2024年；伊斯兰教2024运输16铁，2008年； Elbasan，2015年； Pehlivan 2016;小胡子，2018年； Türkay，2018年； Altınöz，2019年； Özcan，2019年；钢2020; Özkaynak，2020年； Farzambehbodi，2021年； Ekinci，2022年； Kılıç，2022年； Aksoy 2023; Aydın2023; Bozkurtterdem，2023年； Wild，2024年废物10Toröz，2015年；卡尔贝，2018年； Demirbaş，2018年；玫瑰，2018年； Okan 2019; Yılmaz，2019年；火，2021年；卡拉卡斯，2021年； Kepenek，2023年； Eken 2024农业7 Ahmet，2019年； Elitaş2020; Ertürk，2021年； Aydın，2022年；斯通，2022年； Özcan2023;潘，2023年旅游2 Sunurlu，2017年； Yavuz，2020建筑1 Ahmetoglu，2019 Energy 7 Shaikh，2017年； Demirci，2018年； Ayan，2019年； 2022; Erfidan 2023; Sever，2023年； Tosun 2023 Banking 2 Aksu 2023; Alkan 2023经济，发展4Tatlıbadem，2020年；费用2023; Unaldi 2023; Kuşcu，2024