近年来,使用脑电图 (EEG) 数据和机器学习技术进行情绪分类的现象日益增多。然而,过去的研究使用的是医疗级 EEG 设置的数据,这些设置时间较长,且环境受限。本文重点介绍使用各种特征提取、特征选择和机器学习技术在效价-唤醒平面上对情绪进行分类。我们评估了不同的特征提取和选择技术,并提出了用于情绪识别的最佳特征和电极集。OASIS 图像数据集中的图像用于引发效价和唤醒情绪,并使用 Emotiv Epoc X 移动 EEG 耳机记录 EEG 数据。分析是在公开可用的数据集上进行的:DEAP 和 DREAMER 用于基准测试。我们提出了一种新颖的特征排名技术和增量学习方法来分析性能对参与者数量的依赖性。进行了留一交叉验证,以识别情绪引发模式中的受试者偏见。计算了不同电极位置的重要性,可用于设计用于情绪识别的耳机。收集的数据集和管道也已发布。我们的研究在 DREAMER 上取得了 0.905 的均方根得分 (RMSE),在 DEAP 上取得了 1.902 的均方根得分 (RMSE),在我们的数据集上取得了 2.728 的价标签得分,在 DREAMER 上取得了 0.749 的得分,在 DEAP 上取得了 1.769 的得分,在我们提出的数据集上取得了 2.3 的唤醒标签得分。
Eric Chung-第1阶段开放标签,单剂量,随机跨界临床研究评估健康男性成年人鼻内和口服vardenafil配方之间的药代动力学概况和安全结果
将人工智能(AI)引入教育机构是该技术能力所塑造的全球趋势的一部分。但是,由于AI技术的破坏性,它极大地影响了教学方式。因此,必须建立明确的准则,即不仅要确保课程所要求的所有能力仍然有效地讲授,还可以使学生能够以有效的方式使用新技术。为新兴和动态技术制定此类准则是一项非常具有挑战性的任务,因为规则通常很难跟上快速发展的进步。欧盟通过引入基于风险的方法来规范组织的AI应用程序,找到了解决此问题的好方法。取决于风险水平,可能禁止申请,需要进行广泛的分析和保障措施,具有透明义务,或者不需要进一步的行动。本文适应了AI ACT法规的核心结构,以使教育部门为教师和学生提供与AI打交道的结构化框架。基于教学生活周期的各种用例,以说明AI在教学和学习过程中的多功能性。通过建立这样的框架,我们不仅促进了与AI打交道的能力发展,而且还有助于创建AI在教育中的道德和负责任。
进化是小步前进还是大步前进?进化的可重复性如何?进化过程受到多大限制?回答进化生物学中这些长期存在的问题对于理解现存生物多样性如何进化以及预测未来生物和生态系统如何应对不断变化的环境都是必不可少的。了解自然种群表型多样化和物种形成的遗传基础是正确回答这些问题的关键。基因组测序技术的飞跃使得研究遗传结构以及识别自然种群中适应和物种形成的变异位点变得越来越容易。此外,基因组编辑技术的最新进展使得研究自然种群生物中每个候选基因的功能成为可能。在本文中,我们讨论了这些最新技术进步如何使分析致病基因和突变成为可能,以及这种分析如何帮助回答长期存在的进化生物学问题。本文是主题期刊“适应和物种形成的遗传基础:从位点到致病突变”的一部分。
睡眠不足在现代社会中十分普遍。睡眠不足与严重的身心健康后果以及认知功能受损有关。人们对睡眠与情绪和人际行为之间的关系了解甚少。在这项研究中,我们调查睡眠不足是否会损害同理心,而同理心是人类互动和亲社会行为的重要组成部分。我们旨在捕捉睡眠不足对同理心各个方面的影响:特质和状态、情感和认知。研究 1(n = 155)评估了几天的日常习惯性睡眠以及过去一个月的整体睡眠质量。报告睡眠质量较差的参与者表现出较低的同理心关怀和换位思考特质。研究 2(n = 347)诱导了一夜的睡眠连续性中断,以测试睡眠与同理心之间的因果关系。睡眠中断状态下的参与者必须在夜间短暂醒来五次,而睡眠充足的对照组则睡眠正常。第二天早上,研究人员评估了参与者的同理心和亲社会意图。与睡眠充足的对照组相比,睡眠中断组的参与者表现出较低的同理心敏感性和较少的亲社会决策能力。这项研究的主要贡献在于有力地证明了睡眠不足对特征和状态同理心的多方面不利影响。我们的研究结果表明,睡眠不足会削弱对他人痛苦的同理心反应。这些研究结果强调,公众需要更多地关注充足的睡眠,这可能会在社会层面上影响同理心。
摘要 - 关于相对较差的预后和急性视力障碍,分析与年龄相关的黄斑变性或AMD是视网膜疾病分析中最重要的任务之一。尤其是,构建分析和预测湿AMD的方法,其特征是由于新血管形成而导致新科学家造成的快速RPE损害,数十年来一直是许多眼科医生的一项艰巨任务。最近,随着ML/DL框架和计算机视觉AI的进步,这些先前的努力现在导致了AMD预测和机制分析的急剧增强。具体来说,使用基于注意机制的CNN或XAI方法的使用在预测AMD状态和可靠解释方面会导致更高的性能。在最先进技术的使用中,这项研究实施了一种新型的潜在因果表示学习框架,以进一步增强基于AI的模型,以了解仅访问视网膜底面图像的复杂因果AMD机制,同时构建了更可靠的AMD预测模型。结果表明,基于有效的卷积VAE和GAE的显式潜在因果建模可以导致基本AMD机制的成功因果关系,同时返回基本的因果因素,这些因素可以可靠地可靠地区分正常的基础和AMD底层图像,例如诊断预测。
文献综述摘要对Guillain-Barré综合征(SGB)是一种急性炎症性多畸形性肌酸,与感染过程有关,在某些情况下是免疫接种。随着对Covid-19的疫苗接种的发展,出现了有关免疫接种与SGB发展之间可能关系的报告。这项研究进行了综合文献综述,以分析COVID-19疫苗接种个体中SGB的发生率。使用与综合征和疫苗接种相关的描述符,在基地,Medline/Cochrane图书馆,科学直接和Scielo的基地,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane Library,Cochrane图书馆进行了搜索。应用包含和排除标准后,分析了16篇文章。结果表明,即使因果关系尚未完全阐明,某些疫苗,尤其是病毒载体也可能与SGB的发展有更大的关联。其他流行病学研究对于了解所涉及的免疫机制并确保疫苗安全是必要的。关键字:Guillain-Barré;疫苗;新冠肺炎。
研究助理Musa TERKEŞ 个人信息 办公室电话:+90 212 383 5852 电子邮件:musa.terkes@yildiz.edu.tr 网址:https://avesis.yildiz.edu.tr/musa.terkes 地址:musa.terkes@yildiz.edu.tr 国际研究人员 ID ScholarID:u3767M0AAAAJ ORCID:0000-0002-4411-411X Publons / Web Of Science ResearcherID:HII-6047-2022 ScopusID:57796709200 Yoksis Researcher ID:382077 教育信息 博士学位,Yildiz 技术大学,电气与电子学院,电气工程系,土耳其 2023 - 继续 研究生,Yildiz 技术大学,电气与电子学院,电气工程系,土耳其 2021 - 2022 本科,Yildiz 技术大学,电气与电子学院,电气工程系,土耳其 2014 - 2019 外语 英语,B1 中级 研究领域 直接能源转换与储能、电力系统分析、电力传输、分配与保护、可再生能源 学术头衔/任务 研究助理,伊尔迪兹技术大学,电气与电子学院,电气工程系,2023 - 继续 发表被 SCI、SSCI 和 AHCI 索引的期刊文章 I. 电动汽车充电站能否利用太阳能可再生能源实现碳中和? Demirci A.、Ozturk Z.、Terkes M.、Tercan SM、Yumurtaci R.、Cali U. IEEE ACCESS,no.Early Access,第 1-18 页,2025 年(SCI 扩展版) II. 评估伊斯坦布尔办公室基于 PDLC 的智能窗户的节能效果和视觉舒适度
Pearl's Do Colculus是一种从观察数据中学习可识别的因果关系效应的完整公理方法。当这种效果无法识别时,有必要在系统中执行通常昂贵的干预措施的集合来学习因果关系。在这项工作中,我们考虑了设计一系列干预措施的问题,并以最低成本确定所需的效果。首先,我们证明了此问题是NP完整的,随后提出了一种可以找到最佳解决方案或对数的算法的算法。这是通过在我们的问题与最小击球设置问题之间建立联系来完成的。此外,我们提出了几种多项式启发式算法来解决问题的计算复杂性。尽管这些算法可能会偶然发现亚最佳解决方案,但我们的模拟表明它们在随机图上产生了小的遗憾。
此预印本版的版权持有人于2025年2月14日发布。 https://doi.org/10.1101/2025.02.12.12.25322118 doi:medrxiv preprint