XiaoMi-AI文件搜索系统
World File Search System人工神经网络
在人工神经网络中使用的神经可塑性（脑可塑性）
摘要 - 您可能已经听说大脑是塑料的。您知道大脑不是由塑料制成的，大脑可塑性也称为神经可塑性。大脑可塑性是一个物理过程。灰质实际上可以缩小或增厚神经连接可以锻造，精制或削弱和切断。大脑可塑性是指大脑在一生中改变的能力。大脑具有通过在脑细胞（神经元）之间形成新的连接来重组自身的惊人能力。很长一段时间以来，人们相信，随着我们的年龄，大脑的连接变得固定。研究表明，实际上大脑永远不会通过学习来改变。可塑性是大脑随着学习而改变的能力。与学习相关的变化主要发生在神经元之间的连接水平上。可以形成新的连接，现有突触的内部结构可能会改变，但也可以根据所收到的外部刺激和前面存在的连接而部分地进行内部拓扑。我们发现这个想法也可以应用于简单的人工神经网络。在本文中，我们提出了一种新方法，以动态地适应人工神经网络的拓扑，仅使用学习集中的信息。以及在本文中，我们提出的算法已经在结果上相对于多层感知器（MLP）问题进行了测试。索引术语 - 学习，神经可塑性，多层感知（MLP），人工神经网络（ANN），神经元，大脑，突触。
人工神经网络中认知能力的多层次发展
已经提出了几种神经机制来解释认知能力的形成，这些认知能力是通过出生后与身体和社会文化环境的互动形成的。在这里，我们介绍了一个三级信息处理和认知能力获取的计算模型。我们提出了构建这些级别的最低架构要求，以及参数如何影响它们的性能和关系。第一个感觉运动水平处理局部无意识处理，这里是在视觉分类任务期间。第二级或认知水平通过长距离连接全局整合来自多个本地处理器的信息，并以全局但仍然无意识的方式合成它。第三级也是认知最高的级别，全局和有意识地处理信息。它基于全局神经工作空间 (GNW) 理论，被称为意识水平。我们分别使用跟踪和延迟条件任务来挑战第二级和第三级。结果首先强调了通过在局部和全局尺度上选择和稳定突触来进行表观遗传的必要性，以使网络能够解决前两个任务。在全局尺度上，尽管感知和奖励之间存在时间延迟，但多巴胺似乎对于正确提供信用分配必不可少。在第三层，在没有感官输入的情况下，中间神经元的存在对于在 GNW 内维持自我维持的表征必不可少。最后，虽然平衡的自发内在活动促进了局部和全局尺度上的表观遗传，但平衡的兴奋/抑制比率可以提高性能。我们从神经发育和人工智能两个方面讨论了该模型的合理性。
jeffrey混合纳米流体的人工神经网络分析与陀螺仪微生物优化太阳热收集器效率
本文研究了由于Jeffrey杂交纳米流体流动而导致的太阳能储能，该流通过多孔介质用于抛物线槽太阳能收集器。在悬浮水基传热液中，还遇到了石墨烯和银纳米颗粒的热疗法和布朗运动的机制。旋转的微生物具有在纳米流体混合物中向上移动的能力，从而增强了纳米颗粒的稳定性和悬浮液中的流体混合。管理方程式的数学建模使用质量，动量，能量，浓度和微生物浓度的保护原理。非相似变量被引入尺寸管理方程式，以获取非量纲的普通微分方程。实施现金和鲤鱼方法来求解非二维方程。还使用Levenberg Marquardt算法为非维度的方程开发了人工神经网络。对应于影响纳米流体流和传热的不同参数的数值发现。观察到热曲线会随着达西和福切氏症参数的升级而增强。和Nusselt数字随着Deborah数字和延迟时间参数的升级而增强。熵生成可以随着Deborah数字和延迟时间参数的增强而降低。太阳能是最好的可再生能源。它可以满足行业和工程应用增长的能源需求。
人工神经网络系统
人工神经网络是一种基于互连连接构建多个处理单元的计算方法。该网络由任意数量的单元或节点或单元或神经元组成，将输入集连接到输出。它是计算机系统的一部分，模仿人类大脑分析和处理数据的方式。自动驾驶汽车、字符识别、图像压缩、股票市场预测、风险分析系统、无人机控制、焊接质量分析、计算机质量分析、急诊室测试、石油和天然气勘探以及各种其他应用都使用人工神经网络。预测消费者行为、创建和理解更复杂的买家细分、营销自动化、内容创建和销售预测是 ANN 系统在营销中的一些应用。本文回顾了人工神经网络的最新发展和应用，以便通过回顾和分析已发表论文中的最新成果来推动该研究领域的发展。因此，可以介绍开发的 ANN 系统，并介绍 ANN 系统的新方法和应用。
人工神经网络作为窃窃图库模式的数字双胞胎，机器人应用中的光传感器
摘要：本文研究了人工神经网络（ANN）作为可行的数字双胞胎或工程系统中典型的耳语库模式（WGM）光学传感器的替代方案，尤其是在机器人技术等动态环境中。由于其脆弱性和有限的耐力，因此在这种情况下，基于微光学谐振器的WGM传感器是不合适的。为了解决这些问题，本文建议了专门为系统设计的ANN，并利用了WGM传感器的高质量因子（Q -Factor）。通过将适用性和耐力扩展到动态环境并减少脆弱性问题，ANN试图进行高分辨率的测量。为了最大程度地减少后处理要求并保持系统鲁棒性，研究目标是使ANN充当WGM传感器输出的代表性预测指标。在本文中使用Gucnoid 1.0类人形机器人作为一个例子，以说明WGM光学传感器如何改善各种应用的类人形机器人性能。实验的结果表明，ANN输出和实际WGM偏移的灵敏度，精度和分辨率是等效的。因此，删除了机器人技术行业中广泛使用高级感知的当前障碍，并验证了ANN作为虚拟替代物或数字双胞胎在机器人系统中的真实WGM传感器的潜力。因此，本文不仅对符合动态环境的机器人技术中使用的传感技术非常有益，还可以对工业自动化和人机界面进行有益。
使用基于人工神经网络的精神分裂症分类器估算日本普通人群中精神分裂症的患病率：Web-B
背景：估计普通人群中精神分裂症的流行仍然是全球以及日本的挑战。很少有研究估计日本人口中的精神分裂症患病率，并且经常依靠医院的报告和自我报告的医师诊断或典型的精神分裂症症状。由于污名，洞察力差或受访者缺乏医疗保健的机会，这些方法可能会低估真正的患病率。为了解决这些问题，我们先前使用了来自大型日本基于日本的大型网络调查的数据开发了一个基于人工神经网络（ANN）基于精神分裂症分类模型（SZ分类器），以增强普通人群中精神分裂症病例识别的全面性。此外，我们还计划引入一项基于人群的调查，以收集一般信息和样本参与者，以匹配人口的人口结构，从而实现对日本精神分裂症患病率的精确估计。目的：本研究旨在通过将SZ分类器应用于日本人群的随机样本中来估计精神分裂症的流行。方法：我们随机选择了750名参与者的样本，其中年龄，性别和区域分布与日本基于日本的大规模调查中的日本人口结构相似。人口数据，与健康相关的背景，身体合并症，精神病合并症和社会合并症被收集并应用于SZ分类器，因为此信息也用于开发SZ分类器。本研究证明了能力通过SZ分类器检测到的阳性病例的比例计算了精神分裂症的原始患病率。通过排除假阳性病例和包括假阴性病例以确定精神分裂症的实际患病率，进一步完善了原油估计。结果：在750名参与者中，SZ分类器将62例分类为精神分裂症病例，导致日本普通人群的精神分裂症患病率为8.3％（95％CI 6.6％-10.1％）。在这62个案件中，假定有53个案件是假阳性，而3个案件被认为是假否定的。调整后，普通人群中精神分裂症的实际患病率估计为1.6％（95％CI 0.7％-2.5％）。结论：这种估计的患病率略高于先前的研究中报道的，这可能是由于更全面的疾病分类方法或相反的模型限制。
用于脑磁图的人工神经网络
脑磁图 (MEG) 是一种尖端的神经成像技术，它以无与伦比的高时间和空间精度组合测量认知过程背后的复杂大脑动态。MEG 数据分析始终依赖于先进的信号处理以及数学和统计工具来完成各种任务，从数据清理到探测信号的丰富动态，再到估计表面级记录背后的神经源。与大多数领域一样，人工智能 (AI) 的激增导致机器学习 (ML) 方法在 MEG 数据分类中的使用增加。最近，该领域的一个新兴趋势是使用人工神经网络 (ANN) 来解决许多与 MEG 相关的任务。本综述从三个角度全面概述了 ANN 如何用于 MEG 数据：首先，我们回顾了使用 ANN 进行 MEG 信号分类（即大脑解码）的工作。其次，我们报告了使用 ANN 作为人脑信息处理的假定模型的工作。最后，我们研究了使用 ANN 作为解决 MEG 方法问题（包括伪影校正和源估计）的技术的研究。此外，我们评估了目前在 MEG 中使用 ANN 的优势和局限性，并讨论了该领域未来的挑战和机遇。最后，通过详细描绘该领域并为未来提供实用建议，本综述旨在为经验丰富的 MEG 研究人员和对该领域有兴趣使用 ANN 来增强对 MEG 人脑复杂动态的探索的新手提供有益的参考。
生物神经元的尖峰机制可能会促进人工神经网络
图1 ：（左）生物神经元由细胞体（三角形结构）和树突（小分支）组成。输出信号通过轴突（标记为“输出”）发送到其他神经元。来自另一个神经元的传入尖峰集成在突触处，即传输轴突和树突连接的点。突触由重量（W）表示。（右）在LIF模型中，降低W会延迟神经元的输出尖峰时间，直到输入太小而无法达到阈值（橙色脉冲）（橙色脉冲），并导致输出尖峰的消失。相反，QIF模型没有这样的阈值。尖峰由膜电位的差异表示，这导致输出跨度时间对重量和输入跨度的时机的连续依赖性。信用：D。Dold/维也纳大学；由APS/ Alan Stonebraker div>改编
心脏病学中的人工神经网络：数值和文本数据的分析
医疗方法、设备和仪器的密集发展使得检测疾病的新指标（标记物）成为可能[1–3]，从而提高了诊断质量，这对于心血管疾病（CVD）尤其重要[4–6]在工业中心。然而，诊断特征数量的增加意味着处理时间的增加和医生系统化过程的复杂化，因为临床数据通常是零散的，既可以以定量指标的形式呈现，也可以以图像和文本数据的形式呈现。通过引入风险量表可以部分解决这一问题，心脏病学和心脏外科领域的典型例子有SCORE、TIMI、CRUSADE、GRACE等。 [7, 8]。尽管这种方法已被证明具有很高的效率，但这些秤有一个明显的初始缺点——人为限制了半自动计数所必需的构造参数[9]。此外，量表在与用于创建或验证该工具的人群相似的人群中表现相当良好，这可能会导致其他人群的估计出现严重偏差[9]。值得注意的是，患者的医疗检查、病史和体格检查会形成大量数据，这些数据可能有助于预测结果、做出诊断和确定在扩展方法中通常不会考虑到的风险。因此，
崩溃的行为评估和基于人工神经网络的马尾启发的三明治管的多目标优化
由于其特定的强度和海洋功能，薄壁结构越来越多地使用自动动机，以减少易受伤害的道路使用者（VRU），运输和航空航天工业的致命和严重伤害[1-5]。先前的分析[2，6，7]，实验[8-10]和计算研究[3,11,12]的结果使恶魔散布在能量吸收和崩溃的结果取决于许多结构和材料参数，包括金属类型，织物/基质类型，制造技术，结构几何，结构性的几何形状，维度和载荷条件[13-15]。由于其出色的机械特性，铝已经被许多作者研究了前几年[16，17]。今天，尽管复合材料和聚合物材料可用于能量吸收应用，但铝仍用于制造能量吸收。基于其延展性特征，轴向载荷下的铝管通过产生琴弦和DIA MOND变形模式通过多种塑性变形机制分散动能[18]。此外，在最近的Deca des中，管道几何形状的影响（即圆形，三角形，正方形和矩形）在薄壁吸收的响应上已得到广泛研究。