XiaoMi-AI文件搜索系统
World File Search Systemtemporal
非周期性脑电图预测视觉时间处理的变化
研究文章 | 行为/认知非周期性脑电图预测视觉时间处理的变化 https://doi.org/10.1523/JNEUROSCI.2308-23.2024 收到日期：2023 年 12 月 11 日修订日期：2024 年 5 月 16 日接受日期：2024 年 6 月 19 日版权所有 © 2024 Deodato 和 Melcher 这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当的归属。
swifttd：一种用于时间差异学习的快速且强大的算法
学习做出时间预测是强化学习算法的关键组成部分。从在线数据流学习预测的主要范式是时间差异（TD）学习。在这项工作中，我们引入了一种新的TD算法 - SWIFTTD，该算法比存在算法更准确地预测。SwiftTD将真实的在线TD（λ）与每个功能尺寸的参数，阶梯尺寸优化，对资格矢量的更新上的绑定和阶梯型衰减相结合。每个功能的阶梯尺寸参数和阶梯大小的优化通过增加重要信号的台阶参数并减少无关信号来证明信用分配。更新到eLigility Vector的界限可防止过度校正。阶梯尺寸衰减如果太大，则降低了阶梯尺寸的参数。我们基于Atari预测基准测试了SwiftTD，并表明即使使用线性函数近似，它也可以学习准确的预测。我们进一步表明，SwiftTD在其广泛的超参数中表现良好。最后，我们证明SwiftTD可以用于神经网络的最后一层以提高其性能。
UNIAP：通过几次学习
弱监督的时间动作本地化旨在通过仅将视频级标签作为监督来定位行动区域并同时确定未修剪视频中的动作类别。伪标签生成是解决具有挑战性的问题的一种承诺策略，但是熟悉的方法忽略了视频的自然时间结构，可以提供丰富的信息来协助这种常规过程。在本文中，我们通过推断出明显的摘要 - 特征提出了一种新型弱监督的时间动作定位方法。首先，我们设计了一个显着推理模块，该模块利用了临时邻居片段之间的变化关系以发现显着的摘要功能，这可以反映视频中的显着动态变化。其次，我们引入了一个边界改进模块，该模块通过信息介绍单元增强了显着的摘要功能。然后，引入了一个歧视增强模块，以增强摘要特征的歧视性质。最后，我们采用精致的摘要功能来制定高保真伪标签，可用于进行动作本地化网络的培训。对两个公开数据集进行的实验实验，即，Thumos14和ActivityNet V1.3，与最先进的方法相比，我们所提出的方法取得了重大改进。我们的源代码可在https://github.com/wuli555555/issf上找到。
一个长期的短期记忆模型，用于降水的次时间分解
高分辨率降水数据对于现代水文和建筑物湿润性能模型至关重要。在澳大利亚，历史观察结果不足，因为半小时的录音仅取代了2000年代初的许多电台的每日观察。此外，现有的机器学习方法仅限于生成小时时间序列数据。本文使用长期短期记忆将每日降水观察结果分为半小时的时间间隔。该模型利用时间依赖性和小时的天气测量值。我们的结果是基于澳大利亚五个气候区域的站点，表明该模型e FF概述地保留了关键的半小时降水统计数据，包括方差以及半小时湿的半小时的数量和分布。当汇总到每小时间隔时，我们的模型在大多数指标中都优于其他模型。
健康成年猫中主要粪便微生物群的时间变化
简单摘要：肠道菌群的组成和功能的改变与慢性肠病有关；但是，探索了肠道菌群的时间变异性。这项研究旨在评估健康成年猫中猫营养不良指数和核心细菌分类群的时间变化。包括从17只成年宠物猫那里收集的142个粪便样品。基于QPCR的猫营养不良指数用于评估粪便菌群。结果显示，在整个研究过程中，所有健康成年猫的猫营养不良指数中的时间稳定性。在两个月的单个猫中，猫营养不良指数始终在参考间隔内，并且大多数靶向细菌保留在其各自的参考间隔内。虽然观察到个体变异，但与疾病状况和抗生素使用相比，影响的幅度很小。总而言之，我们的发现表明，在没有扰动的情况下，健康成年猫中猫营养不良指数的时间稳定性。
从网络智能报告中挖掘时间攻击模式
摘要 - 从网络攻击中扣除要求从业人员对高级对手行为进行操作。网络智能智能（CTI）关于过去的网络攻击事件的报告描述了随时间的恶意行动链。要避免重复网络攻击事件，从业人员必须主动识别并防御反复出现的行动链，我们称这是时间攻击模式。在动作之间自动挖掘模式提供了有关过去网络攻击的对抗行为的结构化和可行的信息。本文的目的是通过从网络威胁情报报告中挖掘时间攻击模式来帮助安全从业人员对网络攻击的优先级和主动防御。为此，我们提出了Chronocti，这是一种自动化管道，用于开采过去网络攻击的网络智能智能（CTI）报告的时间攻击模式。要构建Chronocti，我们构建了时间攻击模式的地面真相数据集，并应用最先进的大语模型，自然语言处理和机器学习技术。我们将ChronoCTI应用于一组713个CTI报告，在其中我们确定了124个时间攻击模式 - 我们将其分为9个模式类别。我们确定最普遍的模式类别是欺骗受害者用户执行恶意代码来发起攻击，然后绕过受害者网络中的反恶意软件系统。基于观察到的模式，我们主张组织培训用户有关网络安全最佳实践，引入功能有限的不变操作系统以及执行多用户身份验证。此外，我们提倡从业人员利用Chronocti和设计对策的自动化矿化能力，以应对重复的攻击模式。
从线性时间逻辑
线性时间逻辑（LTL）是一种在进行信息学习中的任务规范的强大语言，因为它允许描述超出常规折扣返回公式的表达性的目标。尽管如此，最近的作品表明，LTL公式可以转化为可变的奖励和折扣方案，其优化产生了最大程度地提高公式满意度的可能性的策略。但是，合成的奖励信号从根本上仍然很稀疏，这使探索具有挑战性。我们的目标是超越此限制，这可以防止当前的算法超越低维，短距离问题。我们展示了如何通过进一步利用LTL规范并将其相应极限确定性Büchi自动机（LDBA）作为马尔可夫奖励过程来实现更好的探索，从而实现了高级价值估计的形式。通过对LDBA动力学采取贝叶斯的观点并提出合适的先前分布，我们表明，通过此过程估计的值可以视为塑造潜力，并映射到信息丰富的内在奖励。从经验上讲，我们证明了我们从表格设置到高维连续系统的方法的应用，到目前为止，这对基于LTL的增强式学习算法表示了重大挑战。
平行时空的自我注意力集CNN的电动机...
运动图像（MI）脑电图（EEG）分类是脑机构界面（BCI）的重要组成部分，使具有流动性问题的人可以通过辅助设备与外界进行通信。但是，由于其复杂性，动态性质和低信噪比，EEG解码是一项艰巨的任务。设计一个充分提取EEG信号的高级特征的端到端框架仍然是一个挑战。在这项研究中，我们提出了一个平行的空间 - 暂时性自我注意力，用于四级MI EEG信号分类。这项研究是定义原始脑电图信号的新时空表示的第一个研究，该信号使用自我注意力的机制提取可区分的时空特征。特别是，我们使用空间自我注意模块来捕获MI EEG信号通道之间的空间依赖性。此模块通过通过加权求和在所有通道上汇总特征来更新每个通道，从而提高了分类准确性并消除由手动通道选择引起的伪像。此外，时间自我发项模块将全局时间信息编码为每个采样时间步骤的特征，因此可以在时域中提取MI EEG信号的高级时间特征。定量分析表明，我们的方法优于主体内和受试者间分类的最先进方法，证明其稳健性和有效性。最后，采用提出的方法根据脑电图信号实现对无人机的控制，从而验证其在实时应用中的可行性。在定性分析方面，我们对从学到的架构估算的新时空表示形式进行视觉检查。
尼古丁急剧改变大脑静息状态的时间特性
背景：尼古丁依赖者改变了神经认知网络的活动，例如默认模式 (DMN)、突显性 (SN) 和中央执行网络 (CEN)。一种理论认为，在长期吸烟者中，戒除尼古丁会推动更多与 DMN 相关的内部处理，而尼古丁替代会抑制 DMN 并增强 SN 和 CEN。然而，急性尼古丁是否会影响非吸烟者的网络动态尚不清楚。方法：在一项随机双盲交叉研究中，17 名健康非吸烟者（8 名女性）在收集静息状态功能性磁共振成像 (fMRI) 之前两天服用安慰剂和尼古丁（2 毫克片剂）。先前定义的 462 名个体的大脑状态与包括 DMN、SN 和 CEN 在内的特征明确的静息状态网络在空间上重叠，这些状态被用于计算静息状态下的特定状态动态：处于该状态的总时间、进入后在每个状态中的持久性以及状态转换的频率。我们检查了尼古丁是否会急剧改变这些静息状态动态。结果：出现了显著的药物与状态相互作用；事后分析表明，与安慰剂相比，尼古丁抑制了额岛-DMN 状态（后扣带皮层、内侧前额叶皮层、前岛叶、纹状体和眶额皮层）所花费的时间，并增加了 SN 状态（前扣带皮层和岛叶）所花费的时间。在持久性和频率方面没有观察到显著的发现。结论：在非吸烟者中，尼古丁会使静息状态下的大脑功能偏离额岛-DMN，而偏向 SN，这可能会降低内部聚焦认知并增强显着性处理。虽然过去的研究表明尼古丁会影响 DMN 活动，但当前的研究表明尼古丁对与沉思和抑郁相关的特定 DMN 类网络有影响。
GluK2 是耐药性颞叶癫痫基因治疗的靶点
目的：颞叶癫痫 (TLE) 的特征是边缘系统（尤其是海马）中反复发作癫痫。在 TLE 中，从齿状回颗粒细胞 (DGC) 中反复出现的苔藓纤维在 DGC 之间形成异常的致癫痫网络，该网络通过异位表达的含 GluK2/GluK5 的海人酸受体 (KAR) 起作用。TLE 患者通常对抗癫痫药物有抵抗力，并患有严重的合并症；因此，迫切需要新的治疗方法。之前，我们已经证明 GluK2 基因敲除小鼠可以免受癫痫发作的影响。本研究旨在提供证据，证明使用基因疗法下调海马中的 KAR 可以减少 TLE 中的慢性癫痫放电。方法：我们将分子生物学和电生理学结合到啮齿类 TLE 模型和从耐药性 TLE 患者手术切除的海马切片中。结果：在这里，我们确认了使用非选择性 KAR 拮抗剂抑制 KAR 的转化潜力，该拮抗剂显着减弱了 TLE 患者来源的海马切片中的发作间期样癫痫样放电 (IED)。表达抗 grik2 miRNA 的腺相关病毒 (AAV) 血清型 9 载体被设计为特异性下调 GluK2 表达。将 AAV9-抗 grik2 miRNA 直接递送到 TLE 小鼠的海马中可显着减少癫痫发作活动。TLE 患者海马切片的转导降低了 GluK2 蛋白的水平，最重要的是，显着减少了 IED。解释：我们抑制异常 GluK2 表达的基因沉默策略可抑制小鼠 TLE 模型中的慢性癫痫发作以及来自 TLE 患者的培养切片中的 IED。这些结果为针对耐药性 TLE 患者的 GluK2 KAR 基因治疗方法提供了概念验证。ANN NEUROL 2023；00:1 – 17