XiaoMi-AI文件搜索系统
World File Search System不对称
手动运动的成功取决于人格特征，大脑不对称和授课程度
摘要：基于运动图像的脑部计算机界面（BCIS）越来越多地用于神经疗程中。但是，有些人无法控制BCI，这是大脑活动和人格特征的特征。尚不清楚BCI对照的成功是否与半球间的不对称性有关。这项研究是在44名BCI主体上进行的，其中包括一个BCI疗程，EEG分析，16pf Cattell问卷调查，对潜伏左手的估计以及真实和成像运动的主观复杂性。在保留，实用，持怀疑态度和不是非常社交的个体中，左手（LH）运动的想象力（LH）运动的成功率更高。外向性，活力和优势对于“纯”右手中的右手（RH）运动的想象力以及潜在左撇子的灵敏度显着。真实LH和图像RH运动的主观复杂性与与RH相比的LH运动的想象中的脑状态识别的成功相关，并取决于惯用水平。因此，惯性水平是影响BCI控制成功的因素。数据应该与运动控制，多巴胺侧向化的半球差异有关，并且对中风后患者的康复可能很重要。
TSception：从脑电图中捕捉时间动态和空间不对称以实现情绪识别
摘要 — 高时间分辨率和不对称空间激活是脑电图 (EEG) 的基本属性，是大脑情绪过程的基础。为了学习 EEG 的时间动态和空间不对称性以实现准确和广义的情绪识别，我们提出了 TSception，这是一种可以从 EEG 中对情绪进行分类的多尺度卷积神经网络。TSception 由动态时间、不对称空间和高级融合层组成，它们同时学习时间和通道维度中的判别表示。动态时间层由多尺度 1D 卷积核组成，其长度与 EEG 的采样率有关，它学习 EEG 的动态时间和频率表示。不对称空间层利用情绪的不对称 EEG 模式，学习判别性全局和半球表示。学习到的空间表示将由高级融合层融合。使用更通用的交叉验证设置，在两个公开可用的数据集 DEAP 和 MAHNOB-HCI 上评估所提出的方法。将所提出的网络的性能与 SVM、KNN、FBFgMDM、FBTSC、无监督学习、DeepConvNet、ShallowConvNet 和 EEGNet 等先前报告的方法进行了比较。在大多数实验中，TSception 的分类准确率和 F1 分数高于其他方法。代码可在以下位置获得：https://github.com/yi-ding-cs/TSception
脑不对称检测和机器学习分类用于诊断早期痴呆症“2279
摘要：早期识别人类大脑的退化过程对于提供适当的护理和治疗至关重要。这可能涉及检测大脑的结构和功能变化，例如左右半球之间不对称程度的变化。计算算法可以检测到变化，并用于痴呆症及其阶段（遗忘性早期轻度认知障碍 (EMCI)、阿尔茨海默病 (AD)）的早期诊断，并有助于监测疾病的进展。在这方面，本文提出了一种可以在商用硬件上实现的数据处理管道。它使用从阿尔茨海默病神经影像计划 (ADNI) 数据库的 MRI 中提取的大脑不对称特征来分析结构变化，并使用机器学习对病理进行分类。实验提供了有希望的结果，区分了认知正常 (NC) 的受试者和患有早期或进行性痴呆症的患者。经过测试的监督机器学习算法和卷积神经网络在 NC vs. EMCI 中的准确率分别达到 92.5% 和 75.0%，在 NC vs. AD 中的准确率分别达到 93.0% 和 90.5%。所提出的流程为痴呆症的分类提供了一种有前途的低成本替代方案，并且可能对伴有大脑不对称变化的其他大脑退行性疾病有用。
具有不对称透射和异常反射的吻环纳米剪纸结构
纳米剪纸技术可以灵活地将二维（2D）微纳米结构转化为具有开环或闭环拓扑形貌的三维（3D）结构，并在纳米光子学和光电子学领域引起了广泛关注。在这里，我们提出了一种创新的吻环纳米剪纸策略，其中二维开环结构可以转变为三维吻环结构，同时保留了变形高度大和多种光学调制等优势。受益于结构的单向变形，吻环纳米剪纸在 x 偏振光入射下表现出明显的非对称透射。重要的是，首次在纳米剪纸结构中实验实现了 Pancharatnam-Berry 几何相，从而在近红外波长区域产生宽带异常反射。接吻环纳米剪纸策略可以扩展现有的微纳米尺度制造平台，为开发光学传感、空间光调制和光电器件提供有效的方法。
我们学到多少？测量通过选择与贝叶斯更新的对称和不对称偏差
ilke aydogan：i.aydogan@ieseg.fraurélienbaillon：baillon@em-lyon.com emmanuel kemel：emmanuel.kemel@gemel@greg-hec.com chen li：c.li@ese@ese.eur.nl，我们感谢Peter Wakker和Han Bleichrodt和Han Bleichrodt的帮助和讨论。Baillon承认NWO Vidi Grant 452-13-013的财务支持。Aydogan承认该地区Haut-De-France（2021.00865 Clam）和欧盟的Horizon Horizon Europe Research and Innovation计划，根据Grant协议（101056891具有能力）。li感谢NWO Veni Grant VI.Veni.191E.024的财务支持。1 See, for instance, Phillips and Edwards ( 1966 ), Edwards ( 1968 ), Tversky and Kahneman ( 1974 ), El-Gamal and Grether ( 1995 ), Oswald and Grosjean ( 2004 ), Möbius, Niederle, Niehaus, and Rosenblat ( 2022 ), Bén- abou and Tirole ( 2016 ), Ambuehl and Li ( 2018 ).
外周星体微管确保神经干细胞中的不对称犁沟位置
1。Univ Rennes，CNRS，IGDR（IGDR InstitutdeGénétiqueetdéveloppementde Rennes）-UMR 16 6290，F -35000 Rennes，法国17 2。大学。Grenoble Alpes，Inserm U1216，CEA，CNRS，Grenoble Institut Neurosciences，18 Gin，38000 Grenoble，法国，法国。19 3。梅西大学，基本科学学院，4410，北帕默斯顿北，新西兰21 22＃。通讯作者：regis.giet@univ-rennes1.fr 23 23 24 LEAD联系25的进一步信息和对本研究产生的试剂的要求，并应通过RégisGiet（regis.giet.giet@univ-univ-rennes1.fr）来实现26个。27 28
技术能力强度/不对称和供应链过程创新：中国制度环境的偶然作用
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
多模态和半球图论脑网络预测额叶 α 不对称神经反馈学习效果
摘要 利用额叶 alpha 不对称 (FAA) 的脑电图神经反馈被广泛应用于情绪调节，但其有效性存在争议。研究表明，神经反馈训练的个体差异可以追溯到神经解剖和神经功能特征。然而，他们只关注大脑区域结构或功能，而忽略了大脑网络的可能神经相关性。此外，目前还没有关于 FAA 神经反馈方案的神经影像学预测因子的报道。我们设计了一个单盲伪控制 FAA 神经反馈实验，并在训练前收集了健康参与者的多模态神经影像数据。我们评估了训练期间 (L1) 和静息时 (L2) 诱发脑电图调制的学习表现，并基于多模态脑网络和图论特征的综合分析研究了与表现相关的预测因子。本研究的主要发现如下。首先，真实组和虚假组都可以在训练期间增加 FAA，但只有真实组在静息时 FAA 显著增加。其次，训练阶段和休息阶段的预测因子不同：L1 与右半球灰质和功能网络的图论指标（聚类系数和局部效率）相关，而 L2 与整个大脑和左半球功能网络的图论指标（局部和全局效率）相关。因此，FAA 神经反馈学习中的个体差异可以通过结构/功能架构的个体差异来解释，而学习表现指数的相关图论指标显示了半球网络的不同侧性。这些结果为神经反馈学习中个体间差异的神经相关性提供了见解。
鲨鱼启发的牙齿形态发生的通用模型揭示了表型过渡中的发育不对称
源于遗传和生物力学因素之间的动态相互作用所产生的发展复杂性，使基因型和表型在进化中的变化方式变化。作为范式系统，我们探讨了发育因素的变化如何产生典型的牙齿形状过渡。由于牙齿发育主要是在哺乳动物中研究的，因此我们通过研究鲨鱼中牙齿多样性的发展为更广泛的理解做出了贡献。为此，我们建立了一个通用但现实的，数学的数学模型。我们表明，它重现了牙齿发育的关键特征，以及小斑点catsharks scyliorhinus canicula的真实牙齿形状变化。我们通过与体内实验进行比较来验证我们的模型。引人注目的是，我们观察到牙齿形状之间的发育过渡往往是高度退化的，即使对于复杂的表型也是如此。我们还发现，参与牙齿形状转变的发育参数集往往不对称地取决于该过渡的方向。一起，我们的发现为我们对发展变化如何导致自适应表型变化和特质在复杂的，表型高度多样化的结构中的理解提供了宝贵的基础。
机器学习辅助测量Lepton-Jet方位角角度不对称在HERA的深弹性散射中
在深度无弹性正面散射中，使用与HERA的H1检测器收集的数据测量Lepton-Jet方位角不对称性。When the average transverse momentum of the lepton-jet sys- tem, lvert ⃗ P ⊥ rvert , is much larger than the total transverse momentum of the system, lvert⃗q ⊥ rvert , the asymmetry between parallel and antiparallel configurations, ⃗ P ⊥ and ⃗q ⊥ , is expected to be gener- ated by initial and final state soft gluon radiation and can be predicted using perturbation theory.量化不对称的角度特性提供了对强力的额外测试。研究不对称性对于通过横向动量依赖（TMD）Parton分布函数（PDFS）产生的固有不对称的未来测量很重要，其中这种不对称构成了主要背景。方位角不对称的力矩是使用机器学习方法来测量不需要归安宁的。