XiaoMi-AI文件搜索系统
World File Search Systemphones
使用神经的enten耳机和分析平台的基于EEG的重点估计
我们使用最近开发的Enten EEG耳机介绍了神经上的焦点研究。首先，我们在标准脑电图方案上量化了恩登的性能，包括眼睛闭合的alpha节奏，听觉引起的响应和p300事件相关的潜在范式。我们表明，Enten的性能与已建立的行业标准硬件相比。然后，我们引入了一系列实验任务，旨在模仿现实世界中如何维持或破坏焦点。我们表明，（a）这些任务会引起行为变化，反映了焦点水平的基本变化，并且（b）我们的专有算法在大量会话中检测到这些变化，而无需调整每个参与者或记录会话的模型。通过操纵我们的实验协议，我们表明我们的算法不依赖于emg伪像的总体，并且由脑电图的变化驱动。最后，我们在几天内评估了模型在同一主题上的表现，并表明绩效随着时间的流逝保持一致。我们的模型正确捕获了我们具有统计学意义的实验中存在的80％±4.1％的分心。这表明我们的模型在主体，时间点和条件上概括了。我们的发现是基于从337个课程和45个不同实验的132名参与者中收集的脑电图数据。
从“ EEG耳机”中解码音乐的关注：用户 - ...
脑部计算机界面（BCI）提供了一种与计算机通信的秘密和非语言方式。bcis在包括辅助技术和情感监测在内的应用中具有巨大的潜力[1]。脑电图（EEG）由于其流动性，低成本和与认知功能的相关性[2，3]已成为BCI设计的人们选择。先前的研究表明，使用视觉或听觉刺激在建立基于脑电图的BCI系统方面取得了巨大成功。Chen等。 [4]使用流动对象设计了高通量视觉BCI系统。 当用户专注于其中一个时，EEG信号中将出现一种称为稳态视觉诱发电位（SSVEP）的神经特征。 但是，SSVEP需要稳定的视线，这可能是由于永久性或处境障碍而无法获得的（例如，在驾驶时）。 作为一种替代解决方案，研究人员将类似的想法应用于设计听觉BCI系统，在该系统中，向用户提供了以不同频率调制的多个纯音流。 参加流的调节频率可能会导致强大的EEG组件称为听觉稳态响应（ASSR）[5]。 SSVEP或ASSR范式的一个主要缺点是使用易流对象或调制纯音，这可能会导致用户疲劳。 最近的研究努力使用更自然而宜人的刺激来改善BCI系统的用户友好性。 Huang等。 [6]在其BCI设计中使用了滴滴声音，为用户创建了轻松的听觉场景。 An等。 [7]设计Chen等。[4]使用流动对象设计了高通量视觉BCI系统。当用户专注于其中一个时，EEG信号中将出现一种称为稳态视觉诱发电位（SSVEP）的神经特征。但是，SSVEP需要稳定的视线，这可能是由于永久性或处境障碍而无法获得的（例如，在驾驶时）。作为一种替代解决方案，研究人员将类似的想法应用于设计听觉BCI系统，在该系统中，向用户提供了以不同频率调制的多个纯音流。参加流的调节频率可能会导致强大的EEG组件称为听觉稳态响应（ASSR）[5]。SSVEP或ASSR范式的一个主要缺点是使用易流对象或调制纯音，这可能会导致用户疲劳。最近的研究努力使用更自然而宜人的刺激来改善BCI系统的用户友好性。Huang等。 [6]在其BCI设计中使用了滴滴声音，为用户创建了轻松的听觉场景。 An等。 [7]设计Huang等。[6]在其BCI设计中使用了滴滴声音，为用户创建了轻松的听觉场景。An等。[7]设计
使用朴素贝叶斯和 n-gram 字符选择对具有人工智能相机技术的智能手机进行情绪分析评论
摘要。手机现在已成为一种基本必需品。根据日常需要，每个人都肯定有一部手机。只需一只手即可捕捉连接并开展各种活动。本研究的对象是评测具有最佳人工智能相机的智能手机。研究中使用的数据处理方法使用朴素贝叶斯算法。朴素贝叶斯被认为是文本挖掘分类准确度最好的方法之一。研究目的是方便那些购买具有最佳人工智能相机的智能手机的客户，而无需阅读产品评论。这样它就可以根据正面文本的分类来查看并标记负面文本分类。在本研究中，n-gram 用作字符选择器以提供更好的准确性结果。根据研究结果，Na¨ıve Bayes 的准确率为 72.00%，那么 Na¨ıve Bayes 的 n-gram 选择准确率为 N-gram = 2，准确率为 72.00%，n-gram = 3，准确率为 75.00%，n-gram = 4，准确率为 74.50%。本研究进行了 10 次实验，以测量 n-gram 的加入对准确率的提高。从而得出结论，n-gram 特性的应用可以提高 Na¨ıve Bayes 算法的准确率。
学习使用水和智能手机的镜头方程式/......
在实验室实验中，研究人员制作了由水滴制成的透镜，用于放大智能手机/平板电脑屏幕的像素，并验证了透镜方程。简而言之，将一台 iPad（第 6 代，型号 MR7K2LL/A）（屏幕朝上）放置在平坦的表面上。在将水滴放到 iPad 屏幕上之前，建议学生打开一个应用程序（例如 GoodNotes）以生成均匀的白色背景，并在屏幕上画几条水平线作为参考线（图 1[c] 中的黑线）。此外，要求学生写下所需的水滴体积（以毫升为单位）（图 1[c] 中的数字 10、12、14、16 和 18）。这些参考线和数字可帮助学生整理水滴和要获取的数据。此外，在 iPad 上靠近屏幕边缘的位置放置了一把有标记的尺子。
用于智能手机上植物识别的人工智能......
近年来，可用于帮助现场植物识别的智能手机应用程序数量激增。可用的方法有很多，从基于人工智能 (AI) 和自动图像识别自动识别植物的应用程序，到需要用户使用传统二分法键或多访问键的应用程序，再到可能只有一系列图像而没有明确的系统来识别任何感兴趣的物种的应用程序。所有照片均由作者拍摄。在这里，我只关注那些可用于从上传的图像中自动识别植物的免费应用程序，最多只需要用户做出一些小决定（列于表 1 中）。我首先确认，无论是在现场使用实时图像，还是在计算机显示器上显示并通过智能手机拍摄该图像后对其进行测试，这些应用程序的行为都相似。然后，我在 38 张对比鲜明的英国野生和归化植物图像上测试了找到的 10 个免费自动植物识别 (id) 应用程序的性能（包括禾本科、莎草科、草本植物和木本植物，以及花、叶、果实或整株植物的图像），这些图像主要选自我自己的 visual-flora 网站 (visual-flora.org.uk)。样本包括许多常见物种、一些花园逃逸物种和几种不太常见甚至稀有的物种（例如 Cyperus fuscus）。每个应用程序对每张图像测试五次，因为许多应用程序即使使用完全相同的图像，也给出出人意料的差异化识别结果。所有测试均在 2019 年 10 月或 11 月进行，但许多应用程序都在不断改进。图 1 显示了测试的 38 张图像中的一些，其中一些被所有应用程序成功识别，也有一些仅被
光圈调节：5G 智能手机的必备技术
天线孔径调谐对于使智能手机能够在不断增加的 RF 频段范围内高效运行以及支持向 5G 的过渡至关重要。智能手机需要更多天线来支持不断增长的 RF 需求，例如新的 5G 频段、MIMO 和载波聚合 (CA)，但由于智能手机工业设计的变化，这些天线的空间越来越小。因此，天线变得越来越小，可能会降低天线效率和带宽。孔径调谐通过允许天线调谐以在多个频段上高效运行并将 Tx 和 Rx 性能提高 3 dB 或更多来弥补这一问题。孔径调谐是通过将开关与其他调谐组件相结合来实现的；具有低 RON 和低 COFF 的开关对于最大限度地提高效率至关重要。孔径调谐还允许天线同时在多个频段上通信以支持 CA。实施孔径调谐需要深入了解如何将该技术应用于每种应用。
适用于智能手机和商用微型无人机的星体追踪算法
摘要：本文提出了一种星体跟踪算法，使用智能手机等商用现货 (COTS) 移动设备确定纳米卫星、无人机和微型无人机等自主平台的精确全球方向。这种星体跟踪尤其具有挑战性，因为它基于现有的摄像机，这些摄像机可以捕捉天空的部分视图，并且应该连续自主地工作。所提框架的新颖之处在于计算效率和星体跟踪器算法使用经济实惠的 COTS 移动平台应对噪声测量和异常值的能力。所提出的算法已在几个流行平台上实现和测试，包括：Android 移动设备、商用微型无人机和 Raspberry Pi。报告的方向的预期精度为 [0.1 ◦ ,0.5 ◦ ]。
利用人工智能和智能手机进行自动血涂片分析
• Poostchi Mahdieh 等人，使用薄血涂片显微镜对人类和小鼠进行疟原虫检测和细胞计数，医学影像杂志 5，第 4 期 (2018)：044506。• Feng Yang 等人，级联 YOLO：在薄血涂片中自动检测间日疟原虫，将于 2020 年 2 月 18 日至 20 日在美国休斯顿的 SPIE 医学影像大会上发表。
护士将智能手机用于菲律宾的工作目的
Bautista，J。R. R.（2019）。 护士将智能手机用于菲律宾的工作目的：预测因素，结果和问题。 新加坡南南技术大学博士论文。Bautista，J。R. R.（2019）。护士将智能手机用于菲律宾的工作目的：预测因素，结果和问题。新加坡南南技术大学博士论文。
