XiaoMi-AI文件搜索系统
World File Search Systemanalyze
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开放源代码，EEGLAB，EEG，EEG，ECG，ECG，PPG，PPG，HRV，QEEG，QEEG，特征分析，Hep/Hep/hep/hep/heo，hep/heo，brain heart Interplay，Heart Artifact，Heart Artifact，Heart Artifact，Heart Artifact。摘要：BrainBeats工具箱是一个开源EEGLAB插件，旨在共同分析EEG和心血管（ECG/PPG）信号。它提供了三个主要协议：心跳诱发的潜力评估，基于特征的分析和心脏伪像从EEG信号中提取。它应该帮助研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它们有可能对大脑和心脏功能耦合提供宝贵的见解。EEG和ECG/PPG提供了无创，具有成本效益和便携式解决方案，用于捕获实验室，临床或现实世界中的大脑心脏相互作用。但是，由于技术挑战和缺乏准则，该域中的可扩展应用程序受到限制。现有工具通常缺乏统计方法，易于使用的用户界面或大型数据集的自动功能，对于可重复性至关重要。在标准化定量脑电图（QEEG）和心率变异性（HRV）特征提取方法中进一步存在，破坏了临床诊断或机器学习的鲁棒性（ML）模型。应对这些挑战，我们介绍了Brainbeats工具箱，该工具箱是作为开源EEGLAB插件实现的，提供了一套信号处理和功能突出功能。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO），用于以毫秒精度评估时锁的脑心脏相互作用； 2）QEEG和HRV功能提取，用于检查各种大脑和心脏指标之间的关联或构建基于功能的ML模型； 3）从EEG信号中自动提取心脏伪像，以消除进行EEG分析的任何潜在的心血管污染。我们提供了一个分步教程，用于在包含同时64通道EEG，ECG和PPG的开源数据集上执行这三种方法。可以通过图形用户界面（GUI）或命令行调整一系列参数以量身定制独特的研究需求。Brainbeats应该使大脑心脏的相互作用研究更容易访问和重现。
使用人工智能检测裂纹以提高检查效率并分析关键缺陷
裂缝是用于诊断固体结构破坏的重要标准之一。通常，具有专业知识的结构工程师会通过从外部检查裂缝、概述检查结果，然后根据发现准备分析数据来评估此类结构。这样的审查方法并不确定，因为它需要手动记录多达几十万个裂缝。但是，它也无法准确确定裂缝的长度和状态。为了解决这个问题，该行业逐渐将目光投向使用 AI 检测进行现场评估。研究人员目前正在开发一种基于移动的智能系统，该系统配备了用于识别裂缝和其他缺陷的 AI 分析功能，这将提高调查过程的效率并增强对用户的紧急响应。本研究旨在通过比较几种技术来深入了解最有效的裂缝检测方法。研究发现，混合技术是检测裂缝的最有效方法。该技术结合了人工神经网络 (ANN) 和人工蜂群 (ABC) 的优点，提出了一种更合适的全新方法。
患者特异性血管化肿瘤模型：阻塞TAM
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开源，EEGLAB，EEGLAB，EEG，ECG，ECG，PPG，PPG，HRV，特征分析，心跳 - 事实/振荡电位/振荡（HEP/HEO），心脏组成部分，心脏成分供电。摘要：Brainbeats工具箱是一个开源EEGLAB插件，旨在共同分析脑血管和心血管（ECG/PPG）信号。它提供了三个主要方案：心跳诱发潜力评估，基于特征的分析和心脏伪像从脑电图中提取。这将有助于研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它有可能对大脑和心脏功能耦合提供宝贵的见解。当前的联合分析方法在很大程度上涉及侵入性或高成本神经影像学方法。EEG和ECG/PPG提供了非侵入性，具有成本效益和便携式替代方案，可在实验室和临床环境中进行更广泛的数据收集。然而，由于其复杂性，对这些生物信号的分析对于可扩展应用是具有挑战性的。现有的研究和工具通常在处理和统计方法，易于使用的用户界面或大型数据集的批处理处理能力方面缺乏共识，从而阻碍了可重复性。在脑电图和心脏变异性（HRV）特征提取的标准化方法中，还存在进一步的空隙，破坏了临床诊断或机器学习模型的鲁棒性。我们介绍了针对这些挑战的Brainbeats工具箱，开源EEGLAB插件提供了一套信号处理和特征 - 萃取功能的套件，这些功能符合当前的指南和建议。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO）； 2）EEG和HRV特征提取； 3）自动删除脑电图信号的心脏伪像。伴随着样本数据和指导，Brainbeats旨在促进大脑心脏的相互作用研究和可重复性。这个开源工具箱为研究大脑心脏相互作用的临床医生和研究人员提供了宝贵的资源，可以根据独特的研究需求量身定制。
一项关于使用大语言模型分析软件供应链安全失败
随着我们越来越依赖软件系统，软件供应链中漏洞的后果变得更加严重。高档的网络攻击（例如Solarwinds和ShadowHammer）导致了大量的财务和数据丢失，这强调了对更强的网络安全的需求。防止将来违规的一种方法是研究过去的失败。但是，分析过去失败的传统方法需要手动阅读并汇总有关它们的报告。自动支持可以降低成本并允许更多失败的分析。自然语言处理（NLP）技术，例如大语言模型（LLM），可以利用以帮助分析失败。在这项研究中，我们评估了大语言模型（LLM）分析历史软件供应链漏洞的能力。我们使用LLM来复制由云本机计算基金会（CNCF）成员执行的69个软件供应链安全失败的手动分析。我们开发了LLMS通过四个维度进行分类的提示：折衷，意图，na的类型和影响。GPT 3.5的分类平均准确性为68％，而Bard的准确度比这些维度的精度为58％。我们报告说，LLM有效地表征了软件供应链失败时，当源文章足够详细以在手动分析师之间达成共识，但无法替代人类分析师。未来的工作可以在这种情况下提高LLM的性能，并研究更广泛的文章和失败。
一项关于使用大语言模型分析软件供应链安全失败
6个恶意维护者发生在维护者或摆姿势维护者的实体时，故意在供应链中或源代码中的某个地方注入脆弱性。这种妥协可能会带来很大的后果，因为通常许多人认为执行攻击的个人被许多人认为是值得信赖的。此类别包括经验丰富的维护者的攻击，涉及流氓，帐户稳定和新的角色，在他们履行职责后不久就进行了攻击。
基于转移熵的方法从临床角度分析睁眼和闭眼条件下的信息流
研究正常或病理条件下的大脑动态已被证明是一项具有挑战性的任务，因为对于最佳方法没有统一的共识。在本文中，我们提出了一种基于传递熵的方法来研究健康受试者在睁眼（EO）和闭眼（EC）静息状态下不同大脑半球之间的信息流。我们使用了一个模拟临床环境中技术条件的实验装置，并从 65 Hz 采样率的 24 通道脑电图（EEG）短记录中收集数据集。我们的方法考虑了两种条件下的半球间和半球内信息流分析，并依赖于从 EEG 通道之间的传递熵估计计算出的 4 个指标。这些指标提供有关活动连接的数量、强度和方向性的信息。我们的结果表明，在 EC 条件下，alpha、beta1 和 beta2 频带的信息传递有所增加，但在任何一种条件下，半球间信息移动都没有优先的方向。这些结果与之前报道的以更高采样率进行更密集的 EEG 记录的研究一致。总之，我们的方法表明，在 EO 和 EC 静息状态下，大脑信息传递的动态存在显著差异，这也可以应用于常规临床治疗。
Romero-Godoy，d。; Sánchez-Rodríguez，d。; Alonso-Gonzá-Lez，I。； Delgado-Rajó，F。基于SLAM
文章信息摘要目的：本研究的目的是分析和评估影响越南海鲜企业国际供应链合作的因素。理论框架：国际业务环境中的运营与高风险有关，因此供应链中的合作有助于提高管理灵活性。另一方面，对资源依赖，资源共享和信息共享策略的理论产生影响会影响供应链合作伙伴之间的质量和合作水平。设计/方法/方法：为了实现这项研究的目的，进行了与供应链和供应链合作有关的文献调查，并在海鲜行业的327个合作伙伴中进行了经验分析，并使用Cronbach的Alpha分析，探索性因素分析（EFA）（EFA）和线性回归分析（RAILEAR RENSESION SAMISSICTION）进行了分析的结果（RA）。调查结果：研究结果证实，有六个主要因素直接影响越南海鲜企业的国际供应链合作，包括：（1）信托； （2）力量； （3）距离； （4）政府政策； （5）合作策略和（6）信息共享。研究/实践和社会含义：政府，VASEP和企业将实施令人鼓舞的政策和简化出口法规，因此，将在全面的未来研究方向的帮助下促进有关国际供应链合作的知识。
了解情绪在决策过程中的作用：使用机器学习分析对视觉，听觉和组合刺激的生理反应
情感显着塑造了决策，而有针对性的情感引起是神经营销的重要因素，在这种因素中，它们通过吸引潜在客户的注意力与情感触发器相关的潜在客户的注意力来影响广告效果。分析刺激暴露后的生物识别参数可能有助于理解情绪状态。这项研究研究了对情绪刺激的自主神经系统和中枢神经系统的反应，包括图像，听觉提示及其组合，同时记录生理信号，即心电图，血液体积脉冲，镀锌皮肤响应，次生次数，呼吸，呼吸，呼吸和电脑定位图。提出的分析的主要目标是比较情绪刺激方法并确定不同生理模式的最有效方法。采用一种新颖的特征选择技术来进一步优化四个情绪状态的分离。使用基本的机器学习方法是为了辨别不同种类刺激引起的情绪。脑电图信号，电流皮肤反应和心呼吸耦合衍生的特征为区分四种情绪状态提供了最显着的特征。进一步的发现强调了听觉刺激如何在创建独特的生理模式中起着至关重要的作用，从而增强了四类问题中的分类。组合所有三种刺激时，实现了49％的验证精度。仅声音和仅图像阶段分别产生了52％和44％的精度，而图像和声音的综合刺激导致了51％的精度。孤立的视觉刺激产生的不同模式较小，与其他类型的刺激相比，需要更多的信号来表现相对较低的性能。这种令人惊讶的显着性是由情感识别文献中的听觉探索有限引起的，尤其是与使用视觉刺激进行的研究的Pleathora相比。在营销中，听觉组件可能具有更相关的潜力，以显着影响消费者的选择。
对评论的反应：锌锌对普通冷持续时间的分数治疗效果：一种分析治疗对I
分位数回归是一种标准统计方法，在计量经济学中广泛使用（Binder和Coad，2011; Chen等，2014; Koenker，2017）。已鼓励其在临床医学中的使用（Beyerlein，2014； Hong等，2019； Staffa等，2019）。可以通过分位数回归来估算分位数治疗效果（QTE），并且QTE可以在分析随机对照试验的分析中有用，因为它可以在连续结局的整个分布中对治疗效应进行研究，而不仅仅是平均治疗效果（ATE）（ATE）（Schiele和Schmitz，2016年； Ohrnberger等，2020年； Hemil。 Pirinen，2023年； Pirinen和Hemilä，2023年）。在本期刊中，我们使用QTE分析锌lozenges对普通冷持续时间的影响，并鼓励其在分析随机对照试验中的使用（Hemilä
管理咨询：国防部应分析使用条码扫描仪对需要加强最终用途监控的国防物品进行盘点的情况
代理国防部政策副部长部分同意报告中的建议，但并未完全解决该建议。据代理国防部政策副部长称，国防部政策副部长办公室和国防安全合作局的官员每周都会与主要利益相关者会面，讨论条形码扫描仪的功效和改进，并正在努力寻求管理咨询中确定的解决方案。代理国防部副部长表示，在讨论更广泛地推广条形码扫描仪之前，需要对条形码扫描仪进行更广泛的测试和研究，届时将需要对计划的现状进行重新评估，以确定是否有必要制定行动计划和里程碑来纠正未解决的挑战。代理国防部副部长的评论不符合我们建议的意图，因此我们认为该建议尚未解决。当国防部政策副部长办公室 (OUSD[P]) 同意提供行动计划和里程碑，详细说明具体行动和时间表以解决本咨询中确定的使用手持式条形码扫描仪的挑战时，我们将认为该建议已得到解决。当 OUSD[P] 向我们提供文件证明行动计划和里程碑已经执行，且利益相关者已使用手持条形码扫描仪纠正了未解决的挑战时，我们将关闭此建议。请在 30 天内向我们提供有关正在进行或已完成的具体计划或行动的回复。如果是非机密的，请将您的回复发送至 SECRET，如果是机密的，请发送至 SECRET。