XiaoMi-AI文件搜索系统
World File Search System优越性
形波变换多通道脑电图通道选择
本文提出了一种基于EEG形波变换的EEG通道选择方法，旨在减少受试者的设置时间和不便，并提高脑机接口（BCI）的应用性能。具体而言，该方法通过同时解决关于EEG形波学习、超平面学习和EEG通道权重学习的嵌入逻辑损失最小化问题来选择前k个EEG通道。特别地，为了学习有区别的EEG形波来加权每个EEG通道对逻辑损失的贡献，在此过程中还最小化EEG形波相似性。此外，本文采用梯度下降策略来解决非凸优化问题，最终得到称为StEEGCS的算法。结果，与所有EEG通道相比，使用StEEGCS选择的EEG通道的分类准确率有所提高，并且分类时间消耗也减少了。此外，在几个真实世界 EEG 数据集上与几种最先进的 EEG 通道选择方法的比较也证明了 StEEGCS 的有效性和优越性。
使用深的Kalman滤波器生成模型
基于变异自动编码器（VAE）的深层可变生成模型已显示出有希望的视听语音增强性能（AVSE）。基本的想法是学习干净的语音数据的基于VAE的视听先验分布，然后将其与统计噪声模型相结合，以从目标扬声器的嘈杂的音频录制和视频（LIP图像）中恢复语音signal。为AVSE开发的现有生成模型没有考虑到语音数据的顺序性质，从而阻止它们充分整合视觉数据的力量。在本文中，我们提出了一个视听深度卡尔曼滤波器（AV-DKF）生成模型，该模型假设了潜在变量的一阶马尔可夫链模型，并有效地融合了视听数据。此外，我们将一种有效的推理方法来估算测试时估计语音信号的方法。我们进行了一组实验，以比较语音增强的生成模型的不同变体。结果证明了AV-DKF模型的优越性，与仅音频版本以及基于Audio-Audio-forio-visual Vae模型相比。
心肌梗塞（STEMI）和非ST段高程心肌梗塞（NSTEMI）。可以通过研究揭示院前心电图的重要性来显着改善患者预后，以及时诊断和降低死亡率。虽然计算机心电图已广泛可用，而且即将来临的AI-ECG也可能是可能的，但两种应用都有重大限制，并且要求有能力的医疗专业人员来查看ECG报告。传统的教学方法，例如教学讲座和书面材料，而没有促进深刻的理解。在线模块之类的创新表现出了希望，并且异步电子模块证明有效地改善了课后测试分数。3D打印模型还成为增强ECG教学的宝贵工具。研究表明，它们比传统方法的优越性，对复杂的心脏结构有了越来越多的了解。3D打印模型提供了心脏解剖结构的经济高效，准确的表示，有助于更好地理解。应对心电图理解中的挑战需要创新的教育方法，例如合并3D印刷模型，以提高信心和能力，并希望能够获得患者的结果。
信号分类的Grasmmannian歧管自我注意网络
在人工智能社区中，在使用深度学习技术编码序列数据中取得了显着的进步。从未有过，如何有效地从通道维度挖掘有用的信息仍然是一个主要的挑战，因为这些特征具有子序列结构。线性子空间是格拉曼尼亚歧管的基本元素，已被证明是统计代表中的效率流形特征描述符。此外，欧几里得的自我关注机制在捕获数据的长期关系方面已显示出巨大的成功。受这些事实的启发，我们将自我注意力的机械主义扩展到了格拉斯曼尼亚的歧管。我们的框架可以有效地表征格拉曼尼亚歧管中编码的顺序数据的空间波动。在三个基准测试数据集（无人机识别数据集和两个EEG信号分类数据集）上进行了广泛的实验结果，证明了我们方法的优越性，而不是最先进的。可以在https://github.com/chenhu-ml/gdlnet上找到这项工作的代码和支持材料。
文章 使用低精度异构声纳浮标传感器的纯角度测量来定位水下目标
摘要：本文考虑了水下目标的定位，其中放置了许多声纳浮标来测量目标声音的方位。声纳浮标的方位精度非常低，例如 10 度。在实践中，我们可以使用多个异构声纳浮标，这样传感器噪声的方差可能与另一个传感器的方差不同。此外，一个传感器的最大感应范围可能与另一个传感器的最大感应范围不同。如果传感器检测到目标的方位，则真实目标必须存在于传感器的感应范围内。为了基于低精度的方位测量来估计目标位置，本文介绍了一种基于多个虚拟测量集 (VMS) 的新型目标定位方法。这里，每个 VMS 都是考虑到每个声纳传感器的方位测量噪声而得出的。据我们所知，本文在考虑传感器的最大感应范围的情况下，基于低精度的异构声纳浮标传感器对目标的 2D 位置进行定位方面是新颖的。通过使用计算机模拟将所提出的定位方法与其他最先进的定位方法进行比较，验证了所提出的定位方法的优越性（同时考虑时间效率和定位精度）。
![arxiv：2410.02067v2 [CS.CV] 2024年10月28日](/simg/7\78d25e6808333495cd2a8f8404dca73c7a86c480.webp)
arxiv：2410.02067v2 [CS.CV] 2024年10月28日
在图像生成的领域中，从视觉提示中创建自定义的图像，并以其他文本指令的形式出现作为有希望的努力。然而，除去基于调整和不含调整的方法，与解释视觉提示的主题属性的斗争。这会导致主题 - 略带属性渗透到生成过程，最终损害了编辑性和ID保存中的人性化质量。在本文中，我们提出了Disenvisioner，这是一种新颖的方法，用于在过滤出irrelevant信息的同时有效地提取和丰富主题的特征，以无调的方式启用出色的自定义性能，并且仅使用单个图像。具体来说，该主题和其他无关组件的特征被有效地分为独特的视觉令牌，从而实现了更准确的自定义。，为了进一步提高ID的一致性，我们丰富了分离的特征，将它们雕刻成更精细的代表。实验证明了我们的方法优于教学响应（编辑性），ID一致性，推理速度和整体图像质量中现有方法的优越性，从而突出了贬低者的有效性和效率。项目页面：disenvisioner.github.io。
多中心对两个高级混合闭环系统在葡萄糖控制中的好处和患者报告的结果
包括100名参与者的结果，每个系统启动了75个（年龄：39.9±11。4年[16 - 72]；女性64％；糖尿病持续时间：21.6±11.9岁）。范围内的时间从61.53±14.01％增加到76.17±9.48％（p <0.001），没有组间差异（p = 0.591）。HbA 1c decreased by 0.56% (95%CI: 0.44%, 0.68%) (6 mmol/mol, 95%CI: 5, 7) ( P < 0.001), from 7.43 ± 1.07% to 6.88 ± 0.60% (58 ± 12 to 52 ± 7 mmol/mol) in the MM780G group, and from 7.14 ± 0.70% to 6.56±0.53％（55±8至48±6 mmol/mol）在对照组中（均为基线的p <0.001，组之间p = 0.819）。没有发现一个AHCL比另一个AHCL的优越性，因为人们对低血糖或生活质量的恐惧没有优势。对照组中，与糖尿病相关的困扰的改善较高（p = 0.012）。睡眠质量得到改善（PSQI：从6.94±4.06到6.06±4.05，p = 0.004），系统之间没有差异。通过启发措施评估的AHCL经验超出了期望。
基因疗法在成年人的成年人B
316名接受过介绍研究的男性的结果，204（64.6％）不符合资格；由于存在抗AAV中和抗体，其中188（59.5％）是不合格的。在接受Fidanacogene Elapar-Vovec的45名参与者中，有44个完成了至少15个月的随访。所有出血事件的溢出率从基准时的4.42（95％置信度[CI]，1.80至7.05）下降到1.28（95％CI，0.57，0.57，0.57，0.57，至1.98），在基因治疗后，治疗差异为-3.15 EPIPODES（95％CI）（95％CI，pot-n3 for-n3 for-n3 for-。95％，p。 0.008）。该结果表明了Fidanacogene Elaparvovec对预防的非劣质性和优越性。在15个月时，一阶段合成分析的平均因子IX活性为26.9％（中位数为22.9％；范围为1.9至119.0）。从11到123天之间开始，共有28名参与者（62％）接受了糖皮质激素，以增加氨基转移酶水平或降低因子IX水平（或两者）。未观察到与输注相关的严重不良事件，血栓性事件，因子IX抑制剂的发展或恶性条件。
![arxiv：2407.19628v1 [CS.CV] 29 Jul 2024](/simg/b\b34f59529d417e9d599ebdcd426d087e821b8948.webp)
arxiv：2407.19628v1 [CS.CV] 29 Jul 2024
摘要。复杂的交通环境和各种天气条件使LIDAR数据的收集昂贵且具有挑战性。需要实现高质量和可控的LiDAR数据生成，使用文本是一种常见的做法，但是在该领域几乎没有研究。为此，我们提出了Text2Lidar，这是第一个高效，多样和可控制的LiDAR数据生成模型。具体来说，我们设计了一个等应角变压器体系结构，利用设计的等齿注意力以具有数据特征的方式捕获LiDAR特征。然后，我们设计了一个控制信号嵌入式注射器，以通过全局至中心的注意机制有效地整合控制信号。此外，我们设计了一个频率调节器，以帮助该模型恢复高频降低，以确保生成的点云的清晰度。为了促进现场发展并优化了文本控制的生成性能，我们构建了Nulidartext，为850个场景提供了34,149 LIDAR点云的不同文本描述符。在Kitti-360和Nuscenes数据集中以各种形式进行了不受控制的文本控制生成实验，证明了我们方法的优越性。可以在https://github.com/wuyang98/text2lidar
双站轴向磁场通量的设计和优化...
在本文中，已经提出了一种新的双定位轴向磁场通量通量通量磁铁（DSAFFSPM）电动机来提高机器的扭矩密度和成本。在此拓扑结构中，12杆双定子位于一个10杆内齿转子的两侧。双站托管了bar-pm和线圈的永久磁铁（PM）类型。这项研究的新颖性是可以在DSAFFSPM结构PM上实施的技术的开发。在这方面，已经提出了具有大小方程的提议的分析设计，并采用多目标优化来通过多目标遗传算法（MOGA）方法实现最佳尺寸。使用3D有限元方法（3D-FEM）获取并分析了机器特性。进行了比较研究以证明性能指数的优越性。此拓扑表明，由于较低的扭矩波纹和齿轮扭矩，高功率密度以及低振动和噪声。同时，由于高效率，BAR-PM拓扑具有较低的核心损失和热应力。因此，提出的模型提供了高扭矩密度和低成本，专门为电动汽车（EV）应用而设计。