XiaoMi-AI文件搜索系统
World File Search Systemmultivariate
多元时间序列生成建模和预测的变异自动编码器和变压器：涡旋诱导振动的应用
本研究采用数据驱动的方法来研究物理系统振动，重点关注两个主要方面：使用变异自动编码器（VAE）生成物理数据（即数据“相似”与通过现实世界过程获得的使用变压器，以便使用体内稀疏传感器（观察者）中的信息在时间空间中连续预测柔性身体非平稳振动（2D时间序）。 VAE经过从作者进行的实验中收集的涡旋诱导振动（VIV）数据进行训练，然后负责生成类似于实验的合成VIV数据。 然后使用合成数据来训练一个变压器结构，其目标是使用稀疏观测值不断预测时间空间的振动。 针对实际实验测试了变压器（从未见过实际数据），并将其性能与对实际数据训练的相同体系结构进行了比较。 这样做，VAE的能力生成保留其培训数据内在属性的数据（即） 评估身体）。 最终提出了变压器体系结构，LSTM和DNN的预测性能之间的比较。使用变压器，以便使用体内稀疏传感器（观察者）中的信息在时间空间中连续预测柔性身体非平稳振动（2D时间序）。VAE经过从作者进行的实验中收集的涡旋诱导振动（VIV）数据进行训练，然后负责生成类似于实验的合成VIV数据。然后使用合成数据来训练一个变压器结构，其目标是使用稀疏观测值不断预测时间空间的振动。针对实际实验测试了变压器（从未见过实际数据），并将其性能与对实际数据训练的相同体系结构进行了比较。这样做，VAE的能力生成保留其培训数据内在属性的数据（即身体）。最终提出了变压器体系结构，LSTM和DNN的预测性能之间的比较。
混杂生理信号的多元卡尔曼滤波回归用于 fNIRS 数据的实时分类
意义：功能性近红外光谱 (fNIRS) 是一种非侵入性技术，用于测量与神经功能相关的人体皮层血流动力学变化。由于其小型化潜力和相对较低的成本，fNIRS 已被提议用于脑机接口 (BCI) 等应用。与诱发神经活动产生的信号相比，大脑外生理产生的信号幅度相对较大，这使得实时 fNIRS 信号解释具有挑战性。通常使用结合生理相关辅助信号（例如短分离通道）的回归技术将脑血流动力学反应与信号中的混杂成分分离。然而，大脑外信号的耦合通常不是瞬时的，需要找到适当的延迟来优化干扰消除。
儿童脑结构网络、遗传、环境和认知精神病理学特征之间的多变量关联
。CC-BY-NC-ND 4.0 国际许可证 它是永久可用的。是作者/资助者，已授予 medRxiv 许可以显示预印本（未经同行评审认证）预印本 此版本的版权所有者于 2025 年 2 月 17 日发布。；https://doi.org/10.1101/2023.07.24.23293075 doi：medRxiv 预印本
具有生成对抗网络的公里尺度数量天气预测的多元仿真：概念证明
ClémentBrochet，Laure Raynaud，Nicolas Thome，Matthieu Plu，ClémentRambour。具有生成对抗网络的公里尺度数值天气预测的多元仿真：概念证明。地球系统的人工智能，2023，2（4），10.1175/aies-d-23- 0006.1。Meteo-044438969
逆境暴露的发展时机与成年中的白质完整性之间的多元联系
抽象的早期逆境在全球范围内普遍存在，这代表了整个生命周期中心理健康负担增加的有效风险因素。但是，逆境暴露，神经生物学变化和心理健康问题之间存在实质性的异质性。考虑到逆境的关键特征，例如暴露的发展时机可以阐明逆境，神经发育和心理健康之间的关联。本研究利用稀疏的规范相关性分析来表征逆境年龄暴露年龄与整个大脑中白质区完整性之间的协方差模式。我们发现，在儿童期间（尤其是5-6岁和8-9岁）的逆境暴露与白质道完整性的变化有关，以便支持感觉运动功能的区域在与逆境暴露的关系中表现出更高的完整性，而支持皮质皮层通信表现出较低的完整性。此外，在学龄前年龄和中学期间经历的逆境（4-9岁）与逆境相关的潜在道模式与成年后与创伤相关的症状有关。我们的发现强调了逆境暴露可能会以功能和发展的特定方式差异地影响白质，并表明4-9岁之间经历的逆境可能会以与成人心理健康相关的方式影响全球白质区的发展。
青少年大脑-心理社会关联的体素多元分析揭示了认知和精神病理学的六个潜在维度
这是一篇在接受后经过改进的文章的 PDF 文件，例如添加了封面和元数据，以及格式化以提高可读性，但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查，但我们提供此版本是为了让文章尽早可见。请注意，在制作过程中，可能会发现可能影响内容的错误，并且适用于期刊的所有法律免责声明均适用。
使用机载 LiDAR 和多元分析对凡尔登战场（法国）进行战争地形测绘和分类
摘要：士兵作为高效的推土机，在最近关于人类世地貌学的辩论中，可以被视为景观变化的重要地貌驱动因素。由军事活动产生的“极地形态”与一组大小和几何形状各异的人造地貌相对应。它们在第一次世界大战凡尔登战场（法国）尤为常见，该战场是西线最大的消耗战之一。那场战役中的炮击和防御阵地的建设极大地改变了地貌，造成了数以千计的弹坑、掩体和炮位，改变了中、微地形。本文提出了一种创新方法，利用机载 LiDAR 在整个战场上获取的数字地形模型 (DTM)，对这些小规模冲突引起的地貌（不包括战壕等线性特征）进行详尽清点。使用 Kohonen 的自组织映射 (SOM) 和分层凝聚聚类 (HAC) 进行形态分析，以量化和分类大量战争地貌。这种组合方法可以绘制超过一百万个地貌，这些地貌可分为八种不同的形状，包括弹坑和各种士兵制造的地貌（即掩体、炮位等）。使用现场观察进行的检测质量评估表明，该算法成功分类了 93% 的弹坑和 74% 的人类建造的地貌。最后，所制作的图像数据库和地图系列将帮助考古学家和林业工作者更好地管理凡尔登历史遗址，该遗址如今被约 10,000 公顷的大森林覆盖。© 2019 John Wiley & Sons, Ltd.
完整无缺的快速现场化学鉴定...
摘要：法医和安全部门一直需要快速、现场、易于使用、非侵入式地对爆炸前犯罪现场的完整高能材料进行化学鉴定。仪器小型化、数字数据的无线传输和云存储以及多变量数据分析方面的最新技术进步为近红外 (NIR) 光谱在法医科学中的应用创造了新的、非常有前景的选择。这项研究表明，除了滥用药物外，具有多变量数据分析功能的便携式 NIR 光谱也为识别完整的高能材料和混合物提供了绝佳的机会。NIR 能够表征法医爆炸物调查中涉及的各种化学物质，包括有机化合物和无机化合物。对实际法医案件样本的 NIR 表征令人信服地表明，该技术可以处理法医爆炸物调查中遇到的化学多样性。 1350–2550 nm NIR 反射光谱中包含的详细化学信息可用于正确识别给定类别的含能材料中的化合物，包括硝基芳族化合物、硝基胺、硝酸酯和过氧化物。此外，还可详细表征含能材料混合物，例如含有 PETN（季戊四醇四硝酸酯）和 RDX（三硝基三嗪烷）的塑料配方。所给出的结果表明，含能化合物的 NIR 光谱
ml-mags：用于基因和效果大小收缩率的多元遗传关联分析的机器学习框架
摘要。遗传学的一个基本目标是确定遗传变异与性状的相关性，通常使用全基因组关联（GWA）研究结果的回归结果。重要的方法论挑战是考虑到GWA效应估计的通货膨胀，并同时研究多个特征。我们利用这两个挑战的机器学习方法，开发了一种称为ML-MAGE的计算高效方法。首先，我们缩小了使用神经网络在变体之间非独立引起的GWA效应大小的通胀。然后，我们通过变异推断在多个性状之间群集变体关联。我们将通过神经网络收缩的性能与正则回归和绘制映射进行了比较，这两种方法用于解决膨胀效应，但处理不同大小的焦点区域的变体。我们的神经网络收缩在近似模拟数据中的真实效应大小方面优于两种方法。我们的无限混合聚类方法提供了一种灵活的，数据驱动的方式，可区分不同类型的关联（特征特异性，跨性状或虚假），基于其正则效应。聚类也会产生更高的精度和回忆，以区分模拟中的基因级关联。我们证明了ML-MAGE在英国生物库中的两个定量性状和两个二元性状的关联分析中的应用（英国500,000名居民的遗传和表型数据）。我们从单特征富集测试中鉴定出的相关基因与已知特征相关的生物学过程重叠。除特定特定的关联外，ML-mages还标识了几种具有共享多特征关联的变体，提示了假定的共享遗传结构。
多元函数的量子傅里叶分析及其对一类薛定谔型偏微分方程的应用
在这项工作中，我们基于傅里叶分析开发了一种高效的函数和微分算子表示。利用这种表示，我们创建了一种变分混合量子算法，用于求解静态、薛定谔型、哈密顿偏微分方程 (PDE)，使用空间高效的变分电路，包括问题的对称性以及全局和基于梯度的优化器。我们使用该算法通过计算三个 PDE（即一维量子谐振子和 transmon 和 flux 量子比特）中的基态来对表示技术的性能进行基准测试，研究它们在理想和近期量子计算机中的表现。利用这里开发的傅里叶方法，我们仅使用三到四个量子比特就获得了 10-4 –10-5 阶的低保真度，证明了量子计算机中信息的高度压缩。实际保真度受到实际计算机中成本函数评估的噪声和误差的限制，但也可以通过错误缓解技术来提高。