XiaoMi-AI文件搜索系统
World File Search System传输率
精确且快速校准的语音神经假体
交流是构造障碍患者的优先事项，例如中风和肌萎缩性侧索硬化症（ALS）1。患有疾病的人会损害沟通报告，增加了隔离，抑郁症和生活质量下降的速度2,3；失去沟通可能会确定一个人是否会在高级ALS 4中追求或撤回维持生命的护理。虽然可以使用现有的增强性和辅助通信技术，例如头部或眼动仪，但随着患者失去自愿性肌肉控制5，它们的信息传输率较低，并且越来越难以使用。大脑计算机接口是一种有前途的通信技术，可以直接从皮质神经信号中解码用户的预期语音6。开发语音神经假期的努力主要是基于研究的研究，这些数据是从经受电生理监测的能力强大的扬声器进行回顾性分析的，以实现临床目的7-16。几个小组已经进行了实时的脑界面研究，以使用植入的皮质摄影（ECOG）17-20恢复丢失的语音，其中包括在17期发表的报告，或物质内多电极阵列21。最近的两份报告通过将尝试的语音通过尝试到音素（单词的基础）而产生的皮质神经信号并将这些音素组装成在计算机屏幕上显示的单词和/或句子，从而建立了“大脑到文本”的语音表现19,21。这些研究实现了通过单词错误率量化的沟通性能，为25.5％，1,024字词汇19和23.8％，词汇为125,000字，词汇21，并需要大约17个小时的记录才能收集足够的训练数据以获得该水平的表现。
利用可再生能源系统的智能城市绿色通信方法
智能城市是一种不断发展的物联网 (IoT) 技术，它通过网络连接不同的数字设备，为制造业、医疗领域和商业提供多种新服务。智能城市是一种无处不在的根本性变革，它使用信息通信技术 (ICT) 和支持传感器的物联网设备改变了整个环境。可再生能源存储、太阳能、风能和分布式资源可以更好地整合到电网中。数字领域的领先理论可以改善和广泛使用具有高数字媒体可访问性的所有情况（即视频、声音、文字和图片），然而，由于资源限制（电量和电池容量不足）和大量信息，自由谈论这些小型设备具有挑战性。本文提出了智能城市的绿色通信方法 (GCA-SC)。因此，混合自适应和功率算法以及延迟容忍流算法建议使用保存的视频流来解决这些困难。同样，为智能城市网络提出了一种新的架构。获得并评估了诸如电量消耗、电池容量、延迟和带宽等经验结果。结果表明，与 Baseline 相比，GCA-SC 只需花费较少的努力，便可优化智能城市环境中兼容 IoT 设备的能耗、电池容量、方差和功率传输比。对所提出的 GCA-SC 方法的仿真分析将数据包传输率提高了 39%，吞吐量提高了 99 kbps。它将延迟降低了 2.5 秒，标准偏差降低了 -0.9 秒。© 2022 由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
通过数据平衡技术控制家庭电器控制的基于p300的大脑 - 计算机界面
摘要：基于P300的大脑 - 计算机界面（BCIS）中使用的奇数范式本质上构成了目标刺激和非目标刺激之间的数据不平衡问题。数据不平衡会导致过度解决问题，从而导致分类性能差。本研究的目的是通过通过抽样技术解决此数据不平衡问题来提高BCI性能。将采样技术应用于控制门锁的15个受试者的BCI数据，15个受试者是电灯，14名受试者是蓝牙扬声器。我们探索了两类采样技术：过采样和不足采样。过采样技术，包括随机过度采样，合成少数族裔过采样技术（SMOTE），边界效果，支持矢量机（SVM）SMOTE和自适应合成抽样，用于增加目标刺激类别的样品数量。不足的采样技术，包括随机不足采样，邻里清洁规则，Tomek的链接和加权式采样袋，用于降低非目标刺激的班级大小。通过SVM分类器对过度或不足的数据进行了分类。总体而言，某些过采样技术改善了BCI性能，而不足采样技术通常会降低性能。尤其是，使用边界效果产生了所有三种电器的最高精度（87.27％）和信息传输率（8.82 bpm）。此外，边缘效果会提高性能，尤其是对于表现不佳的人。进一步的分析表明，边界效果通过在目标类别中产生更多的支持向量并扩大边缘来改善SVM。然而，边界效果与应用SVM加权正规化参数的方法之间的准确性没有差异。我们的结果表明，尽管过采样提高了基于P300的BCI的性能，但它不仅是过采样技术的效果，而且是解决数据不平衡问题的效果。
BCI评估的伪在线框架：MOABB透视
目的：BCI（脑部计算机界面）技术以三种模式运行：在线，OfflINE和伪内线。在在线模式下，经常分析实时脑电图数据。在offl ine模式下，后来获取并处理信号。伪在线模式处理收集的数据，就像实时接收一样。主要的区分是OfflINE模式经常分析整个数据，而在线和伪在线模式仅在短时间窗口中分析数据。offlINE分析通常是使用异步BCI进行的，该分析将分析限制为预先确定的时间窗口。异步BCI与在线和伪在线模式相吻合，允许灵活的心理活动持续时间。offlINE处理往往更准确，而在线分析对治疗应用更好。伪在线实现近似于在线处理而无需实时限制。与现实生活相比，许多BCI研究都引入了偏见，从而影响了分类算法的性能。方法：因此，本研究论文的目的是扩展以O fflINE模式运行的当前MOABB框架，以便允许在伪内部设置中使用不同的算法与基于重叠滑动窗口的技术的使用进行比较。这样做将需要在数据集中引入空闲状态事件，该事件考虑了所有不是任务思维的不同可能性。为了验证算法的性能，我们将使用归一化的Matthews相关系数（NMCC）和信息传输率（ITR）。主要结果：我们分析了过去15年的最新算法，该算法是由几个受试者组成的几个运动图像（MI）数据集，显示了从统计学的角度来看两种方法之间的差异。引人注目的能力：分析在OfflINE和伪在线模式中不同算法的性能的能力将使BCI社区获得有关分类算法性能的更准确和全面的报告。
符合feb-5-2025.pdf
目录1。定义和解释2。访问CAISO控制的网格3。当地家具，其他免税债券设施融资4。角色和职责5。黑色开始和系统修复6。通信7。正常和紧急情况下的系统操作8。辅助服务9。中断10。计量11。加利福尼亚州ISO定居点和计费12.信用价值13。争议决议14。无法控制的武力，赔偿，负债和处罚15。监管文件16。现有合同17。传输所有权（TORS）18。[未使用] 19.可靠性协调员20。机密性21。[未使用] 22。其他23。传输能力类别24。综合传输计划过程25。生成单元和设施的互连26。传输率和费用27。加利福尼亚ISO市场和流程28。安排协调员交易29。能源不平衡市场30。出价和加利福尼亚州ISO市场的自我安排提交31。日前市场32。[未使用] 33。延长日期市场34。实时市场35。市场验证和价格更正36。拥塞收入权利37。行为规则38。市场监控39。市场减少电力程序40。[未使用] 43a。资源充足的演示，用于在CAISO BAA 41中调度协调员。可靠性的采购必须运行资源42。设施的适当性满足适用的可靠性标准43。容量采购机制44。Flexible Ramping Product Appendix A Master Definition Supplement Appendix B Pro Forma Agreements Appendix C Locational Marginal Price Appendix D Black Start Generating Units Appendix E Submitted Ancillary Services Data Verification Appendix F Rate Schedules Appendix G Pro Forma Reliability Must-Run Contract Appendix H Legacy Reliability Must-Run Contract Provisions Appendix I Station Power Protocol
信息瓶颈作为SSVEP- ...
在这项研究中，提出了信息瓶颈方法作为稳态视觉诱发电位（SSVEP）基于脑部计算机界面（BCI）的优化方法。信息瓶颈是一种信息理论优化方法，可在保留有意义的信息和压缩之间解决问题。它在机器学习中的主要实际应用是表示学习或特征提取。在这项研究中，我们使用信息瓶颈来为BCI找到最佳的分类规则。这是信息瓶颈的新颖应用。此方法特别适合BCIS，因为信息瓶颈优化了BCI传输的信息量。稳态视觉诱发的基于潜在的BCI经常使用非常简单的规则进行分类，例如选择与最大特征值相对应的类。我们称此分类为Arg Max分类器。这种方法不太可能是最佳的，在这项研究中，我们提出了一种专门设计的分类方法，以优化BCIS的性能度量。这种方法比标准机器学习方法具有优势，该方法旨在优化不同的措施。在两个实验的两个公开可用数据集上测试了所提出的算法的性能。我们使用标准功率频谱密度分析（PSDA）和规范相关分析（CCA）在一个数据集上的特征提取方法，并表明当前方法的表现优于该数据集的大多数相关研究。在第二个数据集上，我们使用与任务相关的组件分析（TRCA）方法，并证明所提出的方法在使用少量类时，根据信息传输率，标准ARG最大分类规则优于标准ARG最大分类规则。据我们所知，这是在基于SSVEP的BCI的背景下使用信息瓶颈的第一次。 该方法是独一无二的，从某种意义上说，优化是在分类函数的整个空间中进行的。 它有可能提高BCIS的性能，并使校准不同受试者的系统更容易。据我们所知，这是在基于SSVEP的BCI的背景下使用信息瓶颈的第一次。该方法是独一无二的，从某种意义上说，优化是在分类函数的整个空间中进行的。它有可能提高BCIS的性能，并使校准不同受试者的系统更容易。
文章：雾计算驱动的电子医疗应用的人工智能框架
摘要：人工智能 (AI) 是一种革命性的范式，它为每个人提供了基于第六代 (6G) 边缘计算的电子医疗服务。因此，本研究旨在推动基于人工智能的经济高效的医疗保健应用。信息物理系统 (CPS) 是互联网世界的关键参与者，人类及其个人设备（如手机、笔记本电脑、可穿戴设备等）为医疗保健环境提供了便利。整个医疗领域中传感器和执行器的数据提取、检查和监控策略都由云技术推动，以吸收和接受整个新兴革命浪潮。对来自传感器设备的大量数据进行高效和准确的检查在带宽、延迟和能源方面造成了限制。由于医疗物联网 (IoMT) 的异构性，驱动的医疗保健系统必须智能、可互操作、融合和可靠，以提供普及且经济高效的医疗保健平台。不幸的是，由于功耗较高和数据包传输率较低，在联网医疗中实现可互操作、收敛和可靠的传输具有挑战性。在这种情况下，本文有四个主要贡献。第一个贡献是开发单芯片可穿戴心电图 (ECG)，并借助模拟前端 (AFE) 芯片模型（即 ADS1292R）来收集 ECG 数据，以使用基于物联网的信息物理系统 (CPS) 检查老年或慢性病患者的健康状况。第二个贡献提出了一种基于模糊的可持续、可互操作和可靠算法 (FSIRA)，这是一种智能和自适应决策方法，可根据所选参数对急诊和危重患者进行优先排序，以合理的成本提高医疗质量。第三个贡献是提出了一种用于移动和联网医疗的特定基于云的架构。第四个贡献是在可靠性、数据包丢失率、收敛性、延迟、互操作性和吞吐量之间找到适当的平衡，以支持自适应 IoMT 驱动的联网医疗。经过检验和观察，我们提出的方法优于传统技术，因为它提供了高可靠性、高融合度、互操作性，以及从医疗健康角度分析和解释系统准确性的更好基础。对于 IoMT，启用医疗云是需要关注的关键因素，因为它还面临着带宽减少、延迟增加和能耗增加的巨大障碍。因此，我们提出了在 6G 平台上面向 IoMT 的智能医疗的带宽、互操作性、可靠性、延迟和能耗之间的数学权衡。
多频稳态视觉诱发电位脑机接口的频率集选择
稳态视觉诱发电位 (SSVEP) 是一种与周期性视觉刺激频率锁定的大脑活动（ Zander 等人，2009 年）。与其他模式（例如运动想象 (Nicolas-Alonso and Gomez-Gil, 2012)）相比，SSVEP 具有相对较高的准确度和信息传输率，并且对用户所需的培训最少，因此被广泛应用于脑机接口 (BCI) 中。标准的基于 SSVEP 的 BCI 在工作空间中包含多个刺激，每个刺激以不同的频率闪烁，而脑电图 (EEG) 主要从枕叶测量。测得的 EEG 反映了用户视觉上关注的刺激的频率，以及该频率的谐波。谐波的存在为解码过程提供了更多的参考点，但也给基于 SSVEP 的 BCI 的设计带来了额外的复杂性和挑战。例如，如果同一个 BCI 中对两个不同的刺激同时使用某个频率及其谐波，那么在记录的这两个刺激的脑电图中就会有共同的频率，这可能会混淆解码算法。因此，在文献中，一些研究有意避免在刺激中使用具有共同谐波的频率（Volosyak 等，2009；Chen 等，2015）。这个谐波问题，加上人脑对周期性视觉刺激的响应频率范围有限（Regan，1989），限制了标准基于 SSVEP 的 BCI 中可使用的唯一频率的数量；即，低信噪比脑电图记录和小的频率分离会损害解码性能。因此，在需要大量唯一频率来标记所有目标的场景中使用标准基于 SSVEP 的 BCI 具有挑战性。为了解决这个问题，已经引入了多频刺激方法，在每个刺激中使用多个频率，其中两个频率（双频）是最广泛使用的模态（Shyu 等，2010；Zhang 等，2012；Chen 等，2013；Hwang 等，2013；Kimura 等，2013；Chang 等，2014；Mu 等，2021a）。然而，这些研究主要集中于介绍多频刺激方法，并没有探讨频率选择方法。随着用于标记每个目标的频率数量的增加，在每个刺激或目标上使用多个频率可以成倍增加可以在工作空间中表示的目标数量。多频刺激产生复杂的周期性刺激信号，从而触发更复杂的 SSVEP 反应。在 Mu 等人的研究中， （2021a）表明，多频率 SSVEP 响应不仅包含输入频率及其谐波，还包含输入频率的整数线性组合，这些组合具有在记录的 SSVEP 中更可能观察到的低阶相互作用。注意，相互作用的顺序定义为
脑机接口增强注意力...
这项行政补充建议将一组患有轻度阿尔茨海默病 (AD) 的成年人添加到母奖项 R01DC009834 中。我们将针对这一额外的临床人群实施与母奖项具体目标 2 和 4 中批准的相同的实验方法。培训后信息传输率 (ITR) 变化的结果测量保持不变，我们正在添加两个经 NIDCD 项目官员批准的阅读技能次要行为测量。患有 AD 的人表现出继发于痴呆综合症的注意力和语言障碍。阅读障碍很常见，会影响日常活动，从阅读文本（例如菜单或杂志）到阅读环境中的显着线索以寻找方向。补充目标是通过视觉注意字母训练范式来提高轻度 AD 患者的注意力和阅读技能。该训练使用基于字母的脑机接口 (BCI)，即快速串行视觉呈现 (RSVP) 键盘系统，该系统已在母奖项中建立。它在记录 EEG 的同时显示字母，并使用机器学习分类器和语言模型来决定用户想要的字母。有人提出，BCI 训练可以提高轻度 AD 成年人的注意力和基本阅读技能。我们计划从 NIA 资助的 P30 俄勒冈州阿尔茨海默病中心招募 24 名可能或很可能患有 AD 和语言障碍的参与者，该中心由医学博士、哲学博士 Barry Oken 担任副主任。AD 中心招募确保所有参与者都按照国家阿尔茨海默病协调中心指南进行诊断和描述。参与者将提供 0.5 – 1 的全球临床痴呆评分和阅读障碍，并将通过既定的 RSVP 键盘 BCI 使用认知筛查。参与者参加单组干预，在 2 个月内干预前 3 次、干预后 3 次获得多个基线 AB 设计和结果测量。计划有两次培训机会。首先，参与者每周执行两次 BCI RSVP 校准任务，持续 6 周。根据 P300 波提供有关注意力和有意字母选择准确性的反馈。其次，参与者每天在家用电脑上观看模拟 RSVP 键盘 15 分钟，作为针对特定过程的注意力训练任务。三个结果测量是：(1) ITR，一种与注意力相关的 EEG (P300) 测量；(2) 句子阅读流畅度；(3) 字母单词识别。阅读技能通过 Woodcock-Johnson IV 成就测试的标准化、有效子测试进行评估。据推测，ITR、阅读流畅度和字母单词识别技能会随着训练而提高。本补充材料加强了当前的辅助技术研究计划，并为针对认知和运动障碍患者（包括 AD 患者）的转化 BCI 技能和训练范式的更大研究议程提供了数据。
系列：7G 无线网络
前言：近年来，量子计算机的研究和实践成果给经典和广泛使用的加密方案（如 Rivest‐Shamir‐Adleman 算法和 ECC（椭圆曲线密码））带来了重大挫折。RSA 和 ECC 分别依赖于整数分解问题和离散对数问题，这些问题可以通过运行臭名昭著的 Shor 算法的足够大的量子计算机轻松解决。因此，需要评估在传统计算机和量子计算机中都难以解决的加密方案。本系列报告对后量子密码方案进行了详细的调查，并强调了它们在受限设备中提供安全性的适用性。全面介绍了可能取代 RSA 和 ECC 以在受限设备中提供安全性的方案。虽然后量子密码学是一种开发对因式分解和其他量子算法具有鲁棒性的新型经典密码系统的努力，这当然是一种选择，但这并不能完全解决问题。关键在于，可能存在未被发现的量子算法（或未被发现的经典算法），它们可能轻易破坏新密码系统的安全性。换句话说，后量子密码学很可能只能提供部分和暂时的解决方案。相比之下，本系列中讨论的量子密钥分发 (QKD) 提供了最终的解决方案：通过诉诸不可破解的自然原理（如不确定性原理或纠缠的一夫一妻制）来恢复安全性和保密性。尽管 QKD 为安全问题提供了最终的解决方案，但其理想的实现在实践中很难实现，并且有许多悬而未决的问题需要解决。一方面，完全独立于设备的 QKD 协议提供了最高级别的量子安全性，但它们的实现要求很高，并且密钥速率极低。另一方面，更实用的 QKD 协议假设对其设备有一定程度的信任，这一假设使它们能够实现合理的速率，但这也带来了危险的旁道攻击的可能性。除了安全性和速率之间的权衡之外，速率和距离之间也存在另一个重要权衡。如今，我们知道存在一个基本限制，限制了任何点对点 QKD 实现。给定一个传输率为 𝜂 的有损链路，双方分发的密钥容量不能超过信道的密钥容量，即 −𝑙𝑜𝑔 2 (1 −𝜂) ，即在长距离下每个信道使用 1.44𝜂 个秘密比特的 𝑎 缩放。基于连续变量系统和高斯状态的 QKD 协议的理想实现可能接近此容量，而基于离散变量的协议则因其他因素而低于此容量。为了克服这个限制并实现 QKD 的长距离高速率实现，我们需要开发量子中继器和量子网络。通过这种方式，我们可以实现更好的长距离扩展，并通过采用更复杂的路由策略进一步提高速率。量子中继器和安全 QKD 网络的研究是当今最热门的话题之一，本系列也对此进行了介绍。本系列旨在概述量子密码学领域最重要和最新的进展，包括理论和实验。在短期内，我们预计量子安全和 QKD 将与所谓的后量子安全解决方案竞争，因此，我们在本系列的单独报告中详细讨论了每种技术的优缺点。本报告涵盖了设计解决方案和量子物理。在将本书用于本科和研究生课程时，我们在每份报告中都加入了一些设计示例，以取代在章节/书末尾使用“问题和解决方案”附录的传统概念。这使得学生可以使用更复杂的作业进行团队合作。我们的学生对这种方法表现出了极大的热情。除大学之外，研究、工业和监管机构的专业人士也应该受益于该系列不同报告的全面报道。