XiaoMi-AI文件搜索系统
World File Search Systemstimulus
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估...
本文提供了一种使用自动测试设备（ATE）评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源（SSS）的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准偏差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向范围 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不同于零。
艾伦大脑天文台：视觉行为2p
一旦小鼠在任务中受过良好的训练，它们会过渡到执行任务，同时使用2光子显微镜成像，以同时测量神经活动和行为。在实验的成像部分中，小鼠在训练过程中查看的八个自然场景图像以及在单独的课程中以前从未见过的八个图像进行了任务。这允许评估新颖性对刺激和行为信息的神经编码的影响。小鼠在成像阶段还进行了被动观看会话，在会议前将小鼠给出了每日水（因此被满足），并通过舔嘴撤回的任务刺激，因此他们无法获得水的回报。最后，仅在成像会话中，刺激被省略了5％的概率，破坏了闪烁的图像呈现的预期节奏。刺激变化和紧接变化之前的刺激从未被省略。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
航空电子设备健康监测可信度评估
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况，并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明，当刺激信号的标准差增加时，假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器，我们证明即使刺激信号源产生的随机误差为零，假阳性和假阴性的概率也不为零。
ReSync：纠正事件的试验间异步性......
图 1. 使用 EEG 作为表征动态大脑反应的工具。（a）典型的 EEG 实验范例，其中向受试者呈现离散事件以引发大脑反应，同时记录 EEG 信号。（b）用刺激引发大脑反应可以比作敲击钟摆并观察其动态反应。（c）平均 ERP 方法假设特定反应活动由刺激引起并添加到自发活动中。通过根据刺激开始对多次试验进行平均，自发活动被抵消，而诱发的反应仍然存在。然而，由于大脑反应在试验间存在差异，平均 ERP 最终可能会显示模糊的反应模式（底部）。（d）真实 EEG 数据显示具有差异延迟变化的单次试验 ERP 的各个子成分。数据是从面部识别任务中单个受试者的电极 CPz 中提取的按 P3 延迟排序的单次试验 ERP（Rellecke、Sommer 和 Schacht，2012）。
基于 RSVP 的脑机接口基准数据集
本文报告了使用基于快速串行视觉呈现 (RSVP) 范式的脑机接口 (BCI) 系统获取的基准数据集。该数据集包含 64 名健康受试者 (sub1, ..., sub64) 在执行目标图像检测任务时的 64 通道脑电图 (EEG) 数据。对于每个受试者，数据包含两组（“A”和“B”）。每组包含两个块，每个块包括 40 次试验，对应 40 个刺激序列。每个序列包含 100 张以 10 Hz（每秒 10 张图像）呈现的图像。刺激图像是两类街景图像：有人的目标图像和没有人的非目标图像。目标图像在刺激序列中随机呈现，概率为 1 ∼ 4%。在刺激呈现过程中，要求受试者以主观的方式搜索目标图像并忽略非目标图像。为了保留所有原始信息，数据集是未经任何处理的原始连续数据。一方面，该数据集可用作基准数据集，用于比较基于 RSVP 的 BCI 中的目标识别算法。另一方面，该数据集可用于设计新的系统图并评估其 BCI 性能，而无需通过离线模拟收集任何新数据。此外，该数据集还为基于 RSVP 的 BCI 中的事件相关电位 (ERP) 和稳态视觉诱发电位 (SSVEP) 的表征和建模提供了高质量数据。该数据集可从 http://bci.med.tsinghua.edu.cn/download.html 免费获取。
介绍基于vep的准周期和混乱的bci
视觉诱发电位（VEP）对周期性刺激通常用于大脑计算机界面中的有利特性，例如高目标识别精度，较小的训练时间和较低的目标干扰。传统的周期性刺激会导致由于连续和高对比度刺激而导致主观的视觉疲劳。在这项研究中，我们将准周期和混乱的复杂刺激与常见的周期性刺激进行了比较，以与基于VEP的大脑计算机界面（BCIS）一起使用。规范相关分析（CCA）和相干方法用于评估三个刺激组的性能。通过视觉模拟量表（VAS）评估了由提出的刺激引起的主观疲劳。使用M2模板方法使用CCA，与Quasi-periodic（M = 78.1，SE = 2.6，P = 0.008）和周期性（M = 64.3，SE = 1.9，SE = 1.9，P = 0.0001）相比，混乱刺激的目标识别精度最高（M = 86.8，SE = 1.8）。对疲劳率的评估表明，与准周期性（p = 0.001）和周期性（p = 0.0001）刺激组相比，混乱刺激引起的疲劳较少。另外，与周期性刺激相比，准周期性刺激导致疲劳率较低（p = 0.011）。我们得出的结论是，与具有CCA的其他两个刺激组相比，混沌组的靶标识别结果更好。此外，与周期性和准周期性刺激相比，混乱的刺激导致主观视觉疲劳较少，并且可以适合设计新的舒适的基于VEP的BCIS。