XiaoMi-AI文件搜索系统
World File Search Systemmethods
断口分析中的定量方法
1988 年 11 月 10 日在佐治亚州亚特兰大举行的断口分析评估和技术研讨会。两个 ASTM 委员会，疲劳委员会 E-9 和断裂测试委员会 E-24，赞助了这次活动。研讨会联合主席是 Bernard M. Strauss。Teledyne Engineering Services 和韦恩州立大学的 Susil K. Putatunda，他们两人也担任本出版物的编辑。
有限差分时间域方法†
†本文接受的手稿版本：F。L. Teixeira，C。Sarris，Y。Zhang，D.-Y.na，J.-P。 Berenger，Y。Su，M。Okoniewski，W。C. Chew，V。Backman和J. J. Simpson，“有限差分时间域方法”，Nat。修订版方法引物3，75（2023）。doi：10.1038/s43586-023-00257-4记录的最终版本，网址为：https：//www.nature.com/articles/s43586-023-00257-4
神经科学方法杂志
背景：最近，我们利用并发的P300和稳态视觉诱发电位（SSVEP）特征（也称为混合特征）实现了具有大指令集的高速脑机接口（BCI）系统。然而，如何为所提出的BCI系统选择刺激间隔（ISI）以平衡编码效率和解码性能仍不清楚。新方法：本研究开发了一个6 * 9混合P300-SSVEP BCI系统，并研究了一系列ISI，范围从-175 – 0 ms，步长为25 ms。从几个方面分析了ISI对混合特征的影响，包括诱发特征的幅度、分类准确性、信息传输速率（ITR）。招募了12名天真的受试者进行实验。结果：结果表明ISI因素对混合特征有显著影响。具体而言，随着ISI值的降低，诱发特征的幅度和准确性逐渐降低，而ITR迅速增加。当ISI等于-175 ms时，达到了最高的ITR 158.50 bits/min。与现有方法的比较：与前文研究中使用的ISI相比，本研究中的最佳ISI取得了更好的性能。结论：ISI对P300-SSVEP BCI系统有重要影响，本研究中其最优值为-175 ms，这对于未来开发具有更大指令集的高速BCI系统具有重要意义。
采购方法和程序
10.0 URGENT PUBLIC INTEREST ....................................................................................... 25 11.0 ISSUING BIDDING DOCUMENTS ............................................................................... 26 12.0 RESPONDING TO REQUESTS FOR CLARIFICATION FROM BIDDERS .......................... 26 13.0 ISSUING ADDENDA ................................................................................................... 27 14.0 Receipt and Opening of Bids .................................................................................... 27 15.0 Duty to Accept Successful Submission (Section 35) ................................................. 28 16.0 Cancellation of Procurement (Section 33) ............................................................... 29 Glossary of Terms .....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................
神经科学方法杂志
背景：要了解单个神经元中的信息编码，需要分析阈下突触事件、动作电位 (AP) 及其在不同行为状态下的相互关系。然而，由于突触事件的信噪比不佳、频率高、幅度波动和时间过程多变，检测行为动物的兴奋性突触后电位 (EPSP) 或电流 (EPSC) 仍然具有挑战性。新方法：我们开发了一种突触事件检测方法，称为 MOD（机器学习最优滤波检测程序），它结合了监督机器学习和最优维纳滤波的概念。要求专家手动对短时间的数据进行评分。该算法经过训练以获得维纳滤波器的最优滤波系数和最优检测阈值。然后使用最优滤波器处理评分和未评分的数据，并将事件检测为高于阈值的峰值。结果：我们在小鼠体内空间导航过程中用 EPSP 轨迹测试 MOD，并在增强递质释放的条件下用切片体外 EPSC 轨迹测试 MOD。受试者工作特征 (ROC) 曲线下面积 (AUC) 平均为体内数据集 0.894 和体外数据集 0.969，表明检测精度高、效率高。与现有方法的比较：当使用 (1 − AUC) − 1 指标进行基准测试时，MOD 在体内数据集上的平均性能比以前的方法 (模板拟合、反卷积和贝叶斯方法) 高出 3.13 倍，但显示出相当 (模板拟合、反卷积) 或更高 (贝叶斯) 的计算效率。结论：MOD 可能成为大规模实时分析突触活动的重要新工具。
