XiaoMi-AI文件搜索系统
World File Search Systemfacing
十二指肠粘膜在从单个地点扩张到多个地点的早期经验
Jacques Bergman Research support from: Fuji-film, Boston Scientific, Covidien Metronic GI Solutions, Erbe, NinePoint Medical, C2 Therapeutics, Cernostics, Interpace, Fractyl Laboratories, Olympus, Cook Medical Consulting fee from: C2 Therapeutics, Covidien Metronic GI Solutions, Boston Scientific, Cook Medical
直接连接大脑和深度网络揭示了非......
。CC-BY 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 3 月 16 日发布。；https://doi.org/10.1101/2021.06.28.450213 doi：bioRxiv 预印本
通过检测自愿眨眼
人脑被认为是最强大的量子计算机之一，将人脑与技术相结合甚至可以超越人工智能。使用大脑计算机界面（BCI）系统，可以分析和编程用于特定任务的大脑信号。这项研究工作采用BCI技术来进行医疗应用，这使不幸的瘫痪者能够仅使用自愿眨眼就与周围环境互动。这项研究有助于现有技术通过引入模块化设计，该设计具有三个物理分离的组件：头饰，计算机和轮椅。作为现有系统的信噪比（SNR）太高，无法将眼睛眨眼伪像与常规脑电图信号分开，因此使用了一个精确的ThinkGear模块，通过单个干电极获取了RAW EEG信号。嵌入式蓝牙模块将信号无线传输到计算机。一个MATLAB程序捕获了自愿的眼睛，从脑波中闪烁伪像，并通过蓝牙命令微型轮椅的运动。为了区分自愿眨眼与非自愿眼眨眼，确定了闪烁的强度阈值。MATLAB设计的图形用户界面（GUI）在实时显示脑电图，并使用户能够确定轮椅的运动，该轮椅的运动是专门设计用于从GUI中获得命令的。测试阶段的发现揭示了模块化设计的优势以及使用眼眨眼伪像作为脑控制轮椅的控制元素的功效。轮椅达到了96.4％的指挥检测和执行精度，这是现有系统的改进。此处介绍的工作对BCI系统的功能有了基本的了解，并为患有严重麻痹的患者提供了眨眼控制轮椅的导航。
无需触摸或语音即可与机器人交互
随着机器人领域的发展，与机器人交互和控制这些机器人的方法也在不断发展。许多现代机器人可以通过无需语音或触摸的命令进行通信。这一趋势背后的两个主要动机是帮助残疾人士和希望实现更自然的人机交互 (HRI)。通过允许与机器人进行非语言交流，系统的可访问性得到了提高，从而使更多人可以与机器人系统交互并从中受益。此外，非语言交流提供了更自然的交流，这可以为 HRI 带来许多好处。本文概述了现有的非接触式和非语言人机界面技术；它介绍了最流行的界面方法、它们的用途和局限性。并讨论了未来的研究方向。
脑机接口中用于脑电图运动意象解码的模型无关元学习
摘要 — 我们在此介绍了用于训练 EEG BCI 解码器的元学习理念。元学习是一种训练机器学习系统使其学会学习的方法。我们将元学习应用于简单的深度学习 BCI 架构，并将其与同一架构上的迁移学习进行比较。我们的元学习策略通过寻找 BCI 解码器的最佳参数来运行，以便它可以在不同用户和记录会话之间快速推广 - 从而也可以快速推广到新用户或新会话。我们在 Physionet EEG 运动意象数据集上测试了我们的算法。我们的方法将运动意象分类准确率提高了 60% 到 80%，在小数据条件下优于其他算法。我们相信，建立元学习或学习学习方法将有助于神经工程和人机交互应对快速设置神经信号解码器的挑战，使其更适合日常生活。
适用于等离子组件的定制钨晶格结构
核聚变是一种众所周知的能源，它有可能为人类的未来提供可持续、环保、可调度的高功率密度能源供应解决方案。目前，利用核聚变能最有前途的方法是基于专门设计的环形装置内的磁约束高温等离子体 [1]。对热核磁约束聚变的持续研究推动了当前示范聚变反应堆 (DEMO) 的设计活动，该反应堆预计将作为所谓的托卡马克型反应堆实现 [2]。实现 DEMO 反应堆的一个主要挑战是设计和制造高负荷等离子体面对部件 (PFC)，这些部件必须在聚变运行期间承受强烈的粒子、热量和中子通量 [3]。对于此类 PFC，需要特定的高性能材料才能设计出可靠的部件。对于直接面对聚变等离子体的材料，钨 (W) 目前被认为是未来磁约束热核聚变反应堆的首选等离子体面对材料 (PFM)。这主要是因为 W 表现出较高的溅射阈值能量，以及作为聚变反应燃料的氢同位素的低保留率 [4]。对于 DEMO 反应堆中的 PFC，一个特别关键的方面是瞬态壁面负载，例如，由于托卡马克中的等离子体不稳定性而产生的瞬态壁面负载。此类瞬态事件可能导致 PFC 上出现非常强烈的热负载（数十 GW/m 2，持续时间为几毫秒），进而严重损坏反应堆的包层结构 [5]。为了保护聚变反应堆的壁免受此类事件的影响，目前正在研究特定的限制器 PFC。这些组件预计将阻挡到达反应堆壁的短暂而强烈的热脉冲，以使这些限制器组件后面的包层结构不会热过载或损坏。这种限制性 PFC 的一种可能的材料解决方案是使用定制的多孔 W 材料。利用这种超材料，可以实现将由于结合了多孔性而具有的总体低热导率与 W 的有益等离子体壁相互作用特性相结合的组件。然而，W 是一种难以加工的材料，因为它本质上是一种硬而脆的金属，这意味着加工 W 既费力又昂贵。针对这些限制，增材制造 (AM) 方法代表了一种实现几何复杂的 W 部件的通用方法。AM 工艺的特点是，在计算机控制下通过逐层沉积材料来创建三维物体，这意味着使用这种方法可以直接实现具有高几何复杂性的部件。近年来，利用激光粉末床熔合 (LPBF) 技术对金属进行 AM 加工已取得重大进展，该技术无需粘合剂相即可对多种金属进行直接 AM 加工。在 LPBF 加工过程中，原料粉末材料通过聚焦在粉末床上的激光束选择性地熔化和固结 [6]。封面图片展示了通过 LPBF 制造的具有定制晶格结构的 W 样品的顶视图。目前正在针对如上所述的限制器 PFC 研究此类多孔 W 晶格。图示样品是一种晶格结构，它源自基于十四面体重复（开尔文模型）的参数固体模型。这种模型过去也应用于开孔铝泡沫 [7] 并得到验证。图示 W 晶格的参数
脑电图接口的脑电图（EEG）波的分析和提取
Analysis and Extraction of Electroencephalogram (EEG) wave for Brain-Computer Interfacing Pantha Protim Sarker Department of Electrical and Electronic Engineering, Bangabandhu Sheikh Mujibur Rahman Science and Technology University, Gopalganj, Bangladesh pantha[at]bsmrstu.edu.bd Abstract: The present work demonstrates the mining of brain data using non-invasive methods by简单地将大脑和计算设备接口。这项工作试图通过两个不同的传感器来分析和收集脑电图（EEG）信号，以进行大脑计算机交流（BCI）系统。这两个传感器之间进行了详细的性能分析。然后使用各种信号处理技术和算法来提取大脑的两个有用特征，注意力和冥想。最后，对于本文的后期部分，大脑的注意力（EEG Beta波）和冥想（EEG Theta Wave）值成功地进行了调节，以使其可用于实际应用。关键字：脑部计算机交流（BCI），脑电图（EEG），非侵入性信号提取，注意，冥想1。简介1.1。动机运动神经元疾病是受影响人无法移动肌肉的大脑功能障碍之一。，因此他们的正常运动受到阻碍。在这种情况下，受影响的人无法与外界交流。统计数据表明，每年约有50,000人受运动神经元疾病的影响[1]。大脑的研究也非常重要，因为大脑相关疾病。1.2。问题规范但是，如果开发了大脑信号的成功信号提取程序，我们可以为受运动神经元疾病影响的人们提供一种通信和控制电气轮椅等外部机车设备的方法。对疾病的适当诊断和治疗取决于对大脑当前状况的正确理解。例如，癫痫是一种疾病，其中大脑的电信号可用于分析神经元数据。可以通过检测从大脑的电信号中提取的典型癫痫的模式来成功诊断癫痫[2]。电信号还可以在头部受伤，中风或脑肿瘤后检测出异常的脑波。其他情况，例如头晕，头痛，痴呆和睡眠问题，可能会显示出异常的大脑模式。因此，找到一种更便宜，更可靠的方法来收集大脑数据并从中提取有用的功能，从而导致了这项研究工作。
白马市野火降低风险策略和行动计划2021-2024简介野火是白马和社区面临的危险AC
Whitehorse野火降低风险策略和行动计划2021-2024简介Wildfire是在加拿大和世界各地面临的白马和社区面临的危险。我们没有野火的时间越长，风险就会增加，并且有很多事情要做才能理解和降低风险。这种计划，准备和适应是城市，白马内外的居民，风险经理和各种机构和政府的决策者的合作和共同责任。虽然前进的方向在组织和财务上都充满挑战，但该战略却确定了广泛的方向以及建立野火势力社区的临时步骤。行动计划概述了怀特霍斯市在未来四年内承担的特定任务。虽然某些行动将直接影响风险，但许多动作是基础，并为更可衡量的风险降低树立了框架。由于许多因素，白马的风险野火风险与以往一样高。当地地形，天气和北方森林影响火灾风险。人为因素也有助于风险：气候变化，城市内部及其周围的最小木刻，持续的抑制抑制周期性燃烧和森林继承的抑制，以及荒野城市界面内房屋的数量和价值的增加。为了更好地了解野火风险，怀特霍斯市签约了一支由Transnorthern Consulting，Wildland Fire Risk Management Ltd.和Ember Research Services Ltd.组成的团队，后者评估了Wildfire中的Whitehorse风险，并建议一项20年的野火降低战略。首字母缩写咨询团队评估了火灾，历史天气，森林燃料类型和地形的严重性和可能性。他们还量化了可能暴露于野火的结构。不用说，白马市内的风险仍然很高。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
基于双光谱的基于摩托图像的基于脑部计算机接口的通道选择
摘要 - 基于运动图像（MI）的大脑接口（BCI）的性能很容易受到多渠道电脑图（EEG）中存在的噪声和冗余信息的影响。为了解决此问题，已经提出了许多基于时间和空间特征的通道选择。然而，时间和空间效果并未准确反映振荡性脑电图的功率变化。因此，与MI相关的EEG信号的光谱特征可能对通道选择有用。双光谱分析是一种用于从非线性和非高斯信号中提取非线性和非高斯信息开发的技术。从双光谱分析中提取的功能可以提供有关脑电图的频域信息。因此，在这项研究中，我们为基于MI的BCI提出了一种基于双光谱的通道选择（BCS）方法。所提出的方法使用对数扩增的总和（SLA）和第一阶光谱矩（FOSM）特征从Bispectrum Analysis提取的特征来选择没有冗余信息的EEG通道。使用三个公共BCI竞争数据集（BCI竞争IV数据集1，BCI竞赛III数据集IVA和BCI竞赛III Dataset IIIA）来验证我们提出的方法的有效性。结果表明，我们的BCS方法超过所有通道的使用（83.8％和69.4％，86.3％，分别为82.9％和77.8％，分别为68.2％）。此外，与其他最先进的方法相比，我们的BCS方法