XiaoMi-AI文件搜索系统
World File Search SystemTransfer
黎曼切线空间的迁移学习
摘要 — 使用迁移学习来训练脑机接口 (BCI) 解码算法有助于减少校准时间、提高准确性、降低过度拟合风险并允许应用需要大量数据的机器学习方法，例如深度神经网络。在本文中，我们提出了一种受黎曼几何最新进展启发的迁移学习方法。该方法通过 Procrustes 分析在源和目标数据集的切线空间中对齐向量。我们将该方法应用于公开的 P300-BCI 数据库。我们表明，使用我们的方法可以重用来自其他受试者的数据来传输信息。与最先进技术相比，我们获得的分类准确性表明使用迁移学习方法可以清晰地传输信息。
间充质干细胞线粒体向CD4+ T细胞的转移有助于通过下调T-bet表达
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。Creative Commons公共领域奉献豁免（http：//创建ivecommons。Org/publi cdoma in/Zero/1。0/1。0/）适用于本文中提供的数据，除非在数据信用额度中另有说明。
使用 EEG 希尔伯特包络和时间精细结构进行隐性语音分类的迁移学习
脑机接口 (BCI) 可以从神经活动中解码想象中的语音。然而，这些系统通常需要大量的训练，参与者在训练中想象重复单词，这会导致精神疲劳和难以识别单词的开头，尤其是在想象单词序列时。本文通过将在显性语音数据中训练过的分类器转移到隐性语音分类中来解决这些挑战。我们使用了从希尔伯特包络和时间精细结构中得出的脑电图 (EEG) 特征，并使用它们来训练双向长短期记忆 (BiLSTM) 模型进行分类。我们的方法减轻了大量训练的负担，并实现了最先进的分类准确率：使用显性语音分类器，显性语音的准确率为 86.44%，隐性语音的准确率为 79.82%。
2021 BEETL 竞赛：推进针对受试者独立性和异构 EEG 数据集的迁移学习
Stylianos Bakas 1 , 2 , 3 stelios@cogitat.io Siegfried Ludwig 1 , 2 siegfried@cogitat.io Konstantinos Barmpas 1 , 2 ntinos@cogitat.io Mehdi Bahri 1 , 2 mehdi@cogitat.io Yannis Panagakis 1 , 2 , 4 yannis@cogitat.io Nikolaos Laskaris 1 , 2 , 3 nikos@cogitat.io Dimitrios A. Adamos 1 , 2 , 3 dimitrios@cogitat.io Stefanos Zafeiriou 1 , 2 stefanos@cogitat.io William C. Duong 5 , 6 wduong@dcscorp.com Stephen M. Gordon 5 , 6 sgordon@dcscorp.com 弗农·J·劳恩 (Vernon J. Lawhern) 6 vernon.j.lawhern.civ@army.mil Maciej ´ Sliwowski 7 , 8 , 9 maciej.sliwowski@opium.sh Vincent Rouanne 7 vincent.rouanne@gmail.com Piotr Tempczyk 9 , 10 piotr.tempczyk@opium.sh 1 Cogitat Ltd.，英国 2 智能行为理解小组，伦敦帝国理工学院，英国 3 塞萨洛尼基亚里士多德大学，希腊 4 雅典国立和卡波迪斯特里安大学，希腊 5 DCS 公司，弗吉尼亚州亚历山大，美国 6 人类研究与工程理事会，DEVCOM 陆军研究实验室，马里兰州阿伯丁试验场，美国 7 大学。格勒诺布尔阿尔卑斯大学，CEA，LETI，Clinatec，F-38000 格勒诺布尔，法国 8 巴黎萨克雷大学，CEA，List，F-91120，帕莱索，法国 9 波兰国家机器学习研究所 (OPIUM)，华沙，波兰 10 deeptale.ai，波兰
塑料工程技术转移指南
建议潜在的申请人与顾问会面，以审查学位，课程时间表，转移政策并在完成申请之前有任何问题。弗里斯接受转学课程，学生获得了“ C”或更好的字母等级。应与摩天顾问讨论其他政策，例如摩天的日落和居住要求。完成MTA的学生可能对选定的特定学位有不同的通识教育课程要求。
一氧化氮作为介导电子转移微生物电化学系统中生物膜形成和扩散的信号分子
微生物电化学系统可应用于生物修复、生物传感和生物能源，是生物、化学和材料科学中一个快速发展的多学科领域。由于这些系统使用活微生物作为生物催化剂，因此了解微生物生理学（即生物膜形成）如何影响这些电化学系统非常重要。具体而言，文献中缺乏评估生物膜对介导电子转移系统中代谢电流输出影响的研究。在本研究中，荚膜红杆菌和假单胞菌 GPo1 被用作模型，它们是通过可扩散的氧化还原介质促进电子转移的非致病菌株。一氧化氮作为一种气态信号分子在生物医学中引起了人们的关注，在亚致死浓度下，其可能会增强或抑制生物膜的形成，具体取决于细菌种类。在荚膜红杆菌中，一氧化氮处理与电流产量增加和生物膜形成改善有关。然而，在 P. putida GPo1 中，一氧化氮处理对应着电流输出的显著降低，以及生物膜的分散。除了强调使用电化学工具来评估一氧化氮在生物膜形成中的影响外，这些发现还表明，基于生物膜的介导电子转移系统受益于增加的电化学输出和增强的细胞粘附，与浮游生物相比，这有望实现更强大的应用。© 2023 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据 Creative Commons 署名非商业性禁止演绎 4.0 许可证 (CC BY- NC-ND，http://creativecommons.org/licenses/by-nc-nd/4.0/) 的条款发布，允许在任何媒体中进行非商业性再利用、发布和复制，前提是不对原始作品进行任何形式的更改并正确引用。如需获得商业再利用许可，请发送电子邮件至：permissions@ioppublishing.org。[DOI：10.1149/1945-7111/acc97e]
可交付成果2数据传输，审查和接受
WSDOT供应商应以电子方式向部门客户提交文件，图纸和其他文件。提交之前，应立即检查供应商的所有外部电子文件的计算机病毒。供应商应包括日期日志文件和病毒检查的书面验证。验证将包括所使用的病毒检查软件的名称和版本以及进行病毒检查的日期。发现包含病毒的提交将不接受。由于WSDOT广泛网络的病毒扫描工具，该要求将自动满足WSDOT WAN中产生的数据。
等离子体介导的能量转移在两个系统之间以平衡>
图2：a）沉积在银上的J-聚集膜的石版画区的暗场显微镜图像。该图案的设计包含圆形光漂白区域（CPA），直径范围为1至40 µm。相邻漂白区域之间的最小分离距离为20 µm，可以彼此隔离。样品中重复数十倍的模式，以测试实验结果的重复性。在40 µM CPA中，我们代表激光激发和视野。b）CPA的素描被聚焦激发的中心照亮。激光激发后，QD会因刺激模式在样品平面中传播而衰减。孵化的区域对应于激发发射器的体积，我们为模拟设定了非零的化学潜力。
水平基因转移推断
水平基因转移（HGT）是核进化的基本驱动力，促进了新的特征并适应新环境。尽管其重要性，但很少有系统地比较用于推断HGT的方法，这在我们对它们的相对优势和局限性的理解上留下了差距。验证HGT推理方法是由于缺乏可以证实历史转移事件的基因组化石记录而面临的质疑。没有经验黄金标准，通常会验证新的推理方法的模拟数据；但是，这些模拟可能无法捕获生物学复杂性，并且经常嵌入推理方法本身中使用的相同假设。在这里，我们利用HGT事件的趋势涉及多个相邻的基因来评估不同HGT插入方法的准确性。我们表明，分析基因树木之间基因的存在/不存在模式的方法始终优于基于基因树种树的重新征服的方法。我们的发现挑战了显式系统发育和解方法优于模拟者隐式方法的普遍假设。通过提供全面的台式标记，我们提供了选择适当方法的实用建议，并指示了未来方法论进步的途径。