摘要 —近年来,深度学习 (DL) 对基于脑电图 (EEG) 的运动想象脑机接口 (MI-BMI) 的改进做出了重大贡献。在实现高分类准确率的同时,DL 模型的规模也不断扩大,需要大量的内存和计算资源。这对嵌入式 BMI 解决方案提出了重大挑战,该解决方案应通过本地处理数据来保证用户隐私、减少延迟和低功耗。在本文中,我们提出了 EEG-TCN ET,一种新颖的时间卷积网络 (TCN),它在只需要少量可训练参数的情况下实现了出色的准确率。其低内存占用和低推理计算复杂度使其适合在资源有限的边缘设备上进行嵌入式分类。在 BCI 竞赛 IV- 2a 数据集上的实验结果表明,EEG-TCN ET 在 4 类 MI 中实现了 77.35% 的分类准确率。通过为每个受试者找到最佳网络超参数,我们进一步将准确率提高到 83.84%。最后,我们在 Mother of All BCI Benchmarks (MOABB) 上展示了 EEG-TCN ET 的多功能性,这是一个包含 12 个不同 EEG 数据集和 MI 实验的大规模测试基准。结果表明,EEG-TCN ET 成功地推广到单个数据集之外,在 MOABB 上的表现比目前最先进的 (SoA) 好 0.25 倍。索引术语 — 脑机接口、运动意象、深度学习、卷积神经网络、边缘计算。
2024 年 7 月 30 日 — HANA 微电子集团,高科技制造面积合计超过 1,000,000 平方英尺,年收入超过 7 亿美元。阅读更多关于...
本文通过利用大型预训练模型来探讨合成数据的潜力,尤其是在面对分布变化时。al-尽管生成模型的最新进展已经阐明了跨分布数据发生的几项先前的作品,但它们需要模型调整和复杂的设置。为了绕过这些缺点,我们介绍了主要的g a a a a a a a a embeddings(doge),这是一个跨分布的插件语义数据augpection框架,几乎没有射击设置。我们的方法以潜在形式提取源和所需数据分布之间的差异,然后引导生成过程,以补充无数多种合成样本的训练集。我们的评估是在几个射击范式下进行亚种群偏移和三个领域适应方案进行的,表明我们的多功能方法改善了各个任务的性能,需要进行动手干预或复杂的调整。Doge铺平了毫不费力地生成遵循测试分布的现实,可转让的合成数据集的道路,从而加强了下游任务模型的现实世界效率。
最新的表示学习研究表明,层次数据将自己带入双曲线空间中的低维和高度信息的表示。但是,即使双曲线嵌入在图像识别方面也收集了,它们的优化也容易出现数值障碍。此外,与传统的Eu-Clidean特征相比,尚不清楚哪种应用将受益于双曲线的隐性偏见最大。在本文中,我们专注于原型双曲神经网络。尤其是,双曲线嵌入的趋势会在高维度收敛到庞加尔e球的边界,并且对这对几乎没有的分类具有影响。我们表明,在常见的双曲半径上获得双曲线嵌入的最佳射击效果。与先前的基准结果相反,我们证明了配备有欧几里德指标的固定radius编码器可以实现更好的性能,而与嵌入式维度无关。
RTS RMF 草案:第 10 条 漏洞和补丁管理 2. (b) […] 对支持关键或重要功能的漏洞进行自动扫描 […] 至少每周执行一次。 (c) […] 确保 ICT 第三方服务提供商处理与提供给金融实体的 ICT 服务相关的任何漏洞并向金融实体报告。 […] (d) 跟踪第三方库(包括开源库)的使用情况,监控版本和可能的更新; (e) 建立向客户、对应方以及公众负责任地披露漏洞的程序; (f) 部署补丁来解决已发现的漏洞。如果没有可用的漏洞补丁,金融实体应确定并实施其他缓解措施;
对比语言图像预训练 (CLIP) 编码器已被证明对从分类和检测到字幕和图像处理等一系列视觉任务有益。我们研究了 CLIP 视觉主干对 Embodied AI 任务的有效性。我们构建了非常简单的基线,称为 EmbCLIP,没有任务特定的架构、归纳偏差(例如使用语义图)、训练期间的辅助任务或深度图——但我们发现我们改进的基线在一系列任务和模拟器中表现非常出色。EmbCLIP 在 RoboTHOR ObjectNav 排行榜上以 20 分(成功率)的巨大优势名列前茅。它在 iTHOR 1-Phase Rearrangement 排行榜上名列前茅,击败了采用主动神经映射的第二佳提交作品,并且 % Fixed Strict 指标增加了一倍多(0.08 到 0.17)。它还击败了 2021 年 Habitat ObjectNav 挑战赛的获胜者,该挑战赛采用了辅助任务、深度图和人工演示,以及 2019 年 Habitat PointNav 挑战赛的获胜者。我们评估了 CLIP 的视觉表示在捕获输入观察的语义信息方面的能力——这些原语对于导航繁重的具身任务很有用——并发现 CLIP 的表示比 ImageNet 预训练的主干更有效地编码了这些原语。最后,我们扩展了我们的一个基线,生成了一个能够进行零样本物体导航的代理,它可以导航到训练期间未用作目标的物体。我们的代码和模型可以在 https://github.com/allenai/embodied-clip 获得。
在CDSETE/CDTE太阳能电池中引入硒已导致归因于散装缺陷的钝化的设备性能。在这项工作中,对具有不同SE浓度的一系列CDSETE/CDTE薄膜进行高分辨率的阴极发光实验,以量化SE的机理和钝化作用。我们证明了SE浓度和辐射效率之间的普遍依赖性,以及CDTE和CDSE 0.4 TE 0.6之间发光的10倍。原始的发光图被转换为SE浓度的地图,揭示了其在堆栈中的分级轮廓。我们证明了SE沿氯化镉退火处理引起的CDTE晶界的扩散并确定扩散系数,在晶界,在晶界的扩散系数是晶粒内部的八倍以上。这些结果为SE分布及其对CDSETE/CDTE太阳能电池的钝化的影响提供了微观见解。
将介绍在Polimi开发的医学成像应用中开发的ASIC。sipms读数的整体闪烁体读数允许伽马射线的光谱和相互作用测量位置,这也可以在模拟通道中的主动增益控制机理,在较大的动态范围内。尤其是在迅速-gamma测量中应用剂量治疗中的剂量验证。新的Anna ASIC实现了一个集成的神经网络,该神经网络直接处理从检测器的模拟信号,朝着闪烁体中相互作用的伽马射线位置的芯片重建。