XiaoMi-AI文件搜索系统
World File Search Systeminterface
通过大脑 - 计算机界面检测情绪时，分析驾驶任务的影响
抽象的交通事故是年轻人中死亡的主要原因，这个问题今天造成了大量受害者。已经提出了几种技术来预防事故，是大脑计算机界面（BCIS）是最有前途的。在这种情况下，BCI被用来检测情绪状态，集中问题或压力很大的情况，这可能在道路上起着基本作用，因为它们与驾驶员的决定直接相关。但是，没有广泛的文献应用BCI来检测受试者在驾驶场景中的情绪。在这种情况下，需要解决一些挑战，例如（i）执行驾驶任务对情绪检测的影响以及（ii）在驾驶场景中哪些情绪更可检测到的情绪。为了改善这些挑战，这项工作提出了一个框架，该框架着重于使用机器学习和深度学习算法的脑电图来检测情绪。此外，已经设计了一个用例，其中有两种情况。第一种情况是聆听声音作为要执行的主要任务，而在第二种情况下，聆听声音成为次要任务，这是使用驾驶模拟器的主要任务。以这种方式，旨在证明BCI在这种驾驶方案中是否有用。结果改善了文献中现有的结果，可用于检测两种情绪（非刺激和愤怒）的准确性99％，三种情绪（非刺激性，愤怒和中性）的93％，四种情绪（非刺激性情绪（非刺激）（非刺激性，愤怒，中立和快乐）的精度为75％。
nisi阶段的成核和外侧-NI2SI/SI界面的横向生长动力学
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
不完美界面特性对各向同性多层结构反射系数影响的建模和数值研究。
A.Loukkal 1*、M.Lematre 1、M.Bavencoffe 1、M.Lethiecq 1 1 GREMAN UMR 7347，图尔大学，INSA Centre Val de Loire，3 rue de la Chocolaterie，布卢瓦，法国 abderrahmane.loukkal@univ-tours.fr 摘要 微电子行业对于开发用于多层结构健康控制和诊断的无损工具和方法的需求日益增加。这些工具的目的是检测诸如分层、夹杂和微裂纹等问题。本文的目的是研究不完美界面对多层结构中波传播的影响。这种结构类型代表了许多微电子元件的典型架构。这项研究将基于反射系数和导波色散曲线的计算。所研究的结构是各向同性的三层，其中两个金属层通过环氧树脂制成的粘合层粘合在一起。进行了比较，以便从数字上评估粘合层的几种特性对导波行为的影响。此外，还实施了不完美粘弹性界面层模型 [1]，以模拟金属层之间的不同粘附质量。关键词：反射系数；多层；不完美界面；导波；色散曲线；V(z,f) 方法；建模。
蛋白质 - 蛋白质相互作用界面的多重映射
*这些作者对这项工作的贡献同样贡献：jingxuan he（juh709@psu.edu），ling-nan zou（lxz7@psu.edu）摘要我们描述了通过sp绘制的肽映射的肽映射，这是一个替代性c（sparc-map），一个方法可以识别两个互动互动的互动蛋白。我们的方法基于细菌宿主内的体内亲和力选择，并使用高吞吐量DNA测序结果来推断蛋白质 - 蛋白质相互作用（PPI）接口的位置。SPARC-MAP仅使用常规微生物技术，而不依赖专门的仪器或重新建立蛋白质复合物的体外；它可以调节以检测PPI在广泛的亲和力上。它可以多路复用以并联探测多个PPI。它的非特异性背景可以精确测量，从而使PPI的敏感检测能够检测。使用SPARC-MAP，我们在（p21-PCNA复合物中恢复已知接口。我们还使用SPARC-MAP来探测嘌呤体，这是六种嘌呤生物合成酶的弱结合的复合物，在那里尚无PPI接口。在那里，我们确定满足底物渠道结构要求的接口；我们还确定了参与多种不同相互作用的蛋白质表面，我们使用现场人体细胞中特定于位点的光叠链链接来验证。最后，我们表明SPARC-MAP结果可以对基于机器学习的结构预测对输出施加严格的约束。
社区对脑机接口的看法
受邀回答问题的 950 人中，有 846 人参与，其中 806 人完成了调查。调查对象的人口结构多种多样，大多数受访者年龄在 36-45 岁之间（26%），性别均衡（52% 为女性），主要为白种人（86%）。大多数受访者（98%）从未使用过 BCI，65% 的人在调查前并不知道 BCI 的存在。人们对 BCI 类型的偏好因情况而异。伦理问题很普遍，尤其是植入风险（98%）和成本（92%）。在人口统计变量和对 BCI 的不平等、监管及其在医疗保健中的应用的看法之间存在显著关联。结论：尽管人们对 BCI 有着浓厚的兴趣，尤其是用于医疗应用的 BCI，但伦理问题、安全和隐私问题仍然十分重要，这凸显了需要明确的监管框架和伦理准则，以及教育举措来提高公众的理解和信任。通过共同设计原则促进公众讨论并让潜在用户、伦理学家和技术专家等利益相关者参与设计过程，有助于使技术发展与公众关注保持一致，同时也帮助开发人员积极解决道德困境。
热机械老化对柔性微电子器件材料和界面特性的影响
摘要：从材料和功能耐久性的角度研究并报告了热老化、疲劳和热机械老化对柔性微电子 12 器件的影响。研究了封装材料和基板的降解 13 机制。分析了封装材料和基板 14 材料的性能变化，并确定了它们在柔性器件失效机制中的关系。15 在热老化条件下，树脂的硬化与测试载体中的分层有关，这会导致功能性电气性能的丧失。降解是由于在 120°C 的热氧化过程中发生了突出的交联 17 反应。疲劳 18 应力测试后，树脂会发生适度硬化。虽然后者的硬化同样与交联反应有关，但在这里，硬化 19 不能由树脂的热降解引起，因为所用的应力频率很低。20 相反，热机械耦合发生在两个阶段。在温和条件下，降解 21 机制对应于热老化和疲劳过程的综合效应。在更严酷的热机械条件下，断链机制变得更加有效，并导致树脂软化 23。24
脑机接口的模拟触觉共享控制改善了人机协作
Nadia Sciacca，Tom Carlson Aspire Create，伦敦大学学院 RNOH，斯坦莫尔，HA7 4LP，英国 电子邮件：{nadia.sciacca.17; t.carlson}@ucl.ac.uk 摘要— 如今，技术为人类提供了许多交流几乎所有事物观点的方式。视觉、听觉和触觉媒体是人类最常用的媒体，它们以如此自然的方式支持交流，以至于我们甚至不会主动考虑使用它们。但是对于那些失去运动或感觉能力的人来说，他们很难或不可能控制或感知这些技术的输出，该怎么办？在这种情况下，也许唯一的交流方式可能是直接使用脑信号。因此，本研究的目标是为四肢瘫痪的人（他们可能被限制在自己的房间或床上）提供一种远程呈现工具，以促进我们许多人认为理所当然的日常互动。在我们的案例中，远程呈现工具是一个远程控制的机器人。它可以作为用户日常生活的一种媒介，通过虚拟方式与位于远程房间或地方的朋友和亲戚联系，或者与不同的环境进行探索。因此，目标是设计一个人机系统，使用户能够仅使用思想来控制机器人。技术部分由脑机接口和视觉界面组成，以实现机器人的“模拟触觉共享控制”。在用户和机器人之间实现共享运动控制，并实现自适应功能分配以管理情况的难度。利用这种“模拟触觉反馈”的控制方案是使用人机合作框架进行设计和评估的，并且已经通过五名参与者评估了这种交互方式的好处。初步结果表明，使用“模拟触觉反馈”的控制和合作比没有“模拟触觉反馈”更好。
通过低功耗蓝牙实现脑机接口学习的理论...
图 2：Sadtler 等人 (2014) 的 BCI 学习任务。a. 任务结构示意图。受试者首先参与“校准任务”，即他们被动观察屏幕上中心向外的光标移动。记录的运动皮层神经活动用于构建基线解码器并估计内在流形。然后指示受试者在 BCI 控制下执行中心向外的光标移动，首先使用基线解码器，然后使用通过扰动基线解码器构建的扰动解码器。这种扰动可以保持基线解码器与内在流形的对齐（流形内扰动，或 WMP），也可以破坏它（流形外扰动，或 OMP）。b. 内在流形的低维图示及其与本任务中使用的解码器（在方程 3 中定义）的关系。彩色点表示在校准任务的不同试验期间记录的活动模式，由该试验中呈现的光标速度着色。这些刺激的光标速度用右上方插图中的颜色匹配箭头表示，后续光标控制任务中使用的光标目标用绿色菱形表示。引起的神经活动模式主要位于灰色矩形所示的二维平面内，即所谓的内在流形。三个假设的一维解码器用彩色箭头表示，分别标记为基线解码器、WMP 和 OMP。通过将各个活动模式投影到相应的解码器向量上，可以可视化这些解码器的线性读数的相应分量 y 1 。这以绿色标记的一个活动模式为例，图中显示了其在三个解码器上的投影。由于该活动模式靠近内在流形，因此它会从基线解码器和 WMP 产生较大的读数（即远离原点，在三个解码器的交点处），而基线解码器和 WMP 都与内在流形很好地对齐。相比之下，此活动模式通过 OMP 的读数要弱得多（即其在此解码器上的投影更接近原点），因为此解码器远离固有流形。重要的是要记住，此插图是真实任务的简化卡通，其中固有流形是高维的（8-12D 而不是 2D），并且 BCI 任务依赖于两个读数（y 1 ，y 2 ），而不是一个。
使用脑电图进行脑机接口手假肢感觉运动控制的运动预测
摘要 在本研究中，我们介绍了一种市售肌电假肢（Myobock ©，奥托博克）的改进版本，旨在为该设备提供基于脑机接口 BMI 的感觉运动控制。新系统使用用户的脑电图 (EEG) 信号以及手镯产生的振动作为输入，手镯包含振动马达，其频率与安装在假指尖的力敏电阻 (FSR) 测量的力成正比。在对七名健全人和四名截肢受试者进行实验期间，三种不同特征提取方法 (CSP、WD、GSO) 的四种组合已用于构建由两种具有不同电极数量的不同记录系统收集的 EEG 信号的特征向量。然后测试了三种机器学习算法（人工神经网络、具有线性和径向基函数核的支持向量机）的分类/预测性能。报告的结果为使用无线 BMI 来控制肌电假肢的主要运动类型提供了概念证明，即使用电极较少的 EEG 系统而不是研究级系统。
涉及感觉运动控制的多任务处理过程中的错误相关电位：脑机接口的 ERP 和离线解码研究
人类通过感知和应对错误来实现高效的行为。错误相关电位 (ErrP) 是在感知错误时发生的电生理反应。有人提出利用 ErrP 来提高脑机接口 (BCI) 的准确性，利用大脑的自然错误检测过程来提高系统性能。然而，外部和环境因素对 ErrP 可检测性的影响仍然不太清楚，特别是在涉及 BCI 操作和感觉运动控制的多任务场景中。在此，我们假设感觉运动控制的困难会导致多任务处理中的神经资源分散，从而导致 ErrP 特征的减少。为了检验这一点，我们进行了一项实验，其中指示参与者将球保持在板上的指定区域内，同时尝试通过运动想象控制显示屏上的光标。BCI 以 30% 的随机概率提供错误反馈。根据感觉运动控制的难度，我们采用了三种场景——无球（单任务）、轻量球（简单任务）和重量球（困难任务）——来描述 ErrP。此外，为了研究多任务对 ErrP-BCI 性能的影响，我们离线分析了单次试验分类准确度。与我们的假设相反，改变感觉运动控制的难度不会导致 ErrP 特征发生显著变化。然而，多任务会显著影响 ErrP 分类准确度。事后分析显示，在单任务 ErrP 上训练的分类器在困难任务场景下准确度降低。据我们所知，这项研究是首次在离线框架内研究在涉及感觉运动控制和 BCI 操作的多任务环境中 ErrP 是如何被调节的。尽管 ErrP 特征保持不变，但观察到的准确度变化表明，在实现基于 ErrP 的实时 BCI 之前，需要设计考虑任务负荷的分类器。