XiaoMi-AI文件搜索系统
World File Search System准偏元
用于评估决策信心的元学习 BCI
摘要 目的。我们研究了最近引入的基于元学习的迁移学习技术是否可以提高脑机接口 (BCI) 在决策信心预测方面的性能，而传统机器学习方法则无法实现。方法。我们将偏向正则化算法的元学习应用于基于视频馈送的困难目标识别任务中，根据脑电图 (EEG) 和眼电图 (EOG) 数据逐个决策地预测决策信心的问题。该方法利用以前参与者的数据来生成预测算法，然后快速调整该算法以适应新参与者。我们将该方法与 BCI 中几乎普遍采用的传统单受试者训练、一种称为领域对抗神经网络的最先进的迁移学习技术、我们最近用于类似任务的零训练方法的迁移学习改编以及简单的基线算法进行了比较。主要结果。在大多数情况下，元学习方法明显优于其他方法，在只有来自新参与者的有限数据可用于训练/调整的情况下，效果要好得多。通过有偏正则化的元学习，我们的 BCI 能够无缝集成来自过去参与者的信息与来自特定用户的数据，以产生高性能预测器。它在小型训练集存在下的稳健性是 BCI 应用中的真正优势，因为新用户需要在更短的时间内训练 BCI。意义。由于 EEG/EOG 数据的多变性和噪声，BCI 通常需要使用来自特定参与者的数据进行训练。这项工作表明，使用我们的有偏正则化元学习版本可以获得更好的性能。
高温下标准模型的超音速风洞试验...
几十年来，人们一直需要进行大攻角高速风洞测试 [1]-[3]。在早期的航天计划中，以及在航天飞机轨道器的研发中，这种能力对于载人太空舱大气再入测试是必不可少的，例如，航天飞机轨道器以 25 马赫和约 40º 的攻角开始大气再入，仅在 4 马赫以下攻角才会降至 20 ° 以下 [4][5]。此外，现代导弹经常在超音速大攻角条件下机动，因此在研发过程中需要对其空气动力学特性进行适当的实验验证。最近开发的许多具有返飞能力的可重复使用运载火箭概念也强调了对超音速大攻角风洞测试的持续需求。人们已经对大攻角空气动力学进行了大量的理论和实验工作 [5]-[8]。此外，工程级预测代码也已扩展，以涵盖高攻角条件 [9]。另一个需要进行高攻角超音速风洞测试的领域是计算流体力学 (CFD)。许多处理高攻角空气动力学的代码正在开发中，主要是为了支持航天飞机、再入舱和类似飞行器的开发。开发人员承认，高攻角空气动力学带来了许多挑战 [10]-[12]。用作这些代码测试用例的实验数据将
高温下标准模型的超音速风洞试验...
几十年来，人们一直需要进行大攻角高速风洞测试 [1]-[3]。在早期的航天计划中，以及在航天飞机轨道器的研发中，这种能力对于载人太空舱大气再入测试是必不可少的，例如，航天飞机轨道器以 25 马赫和约 40º 的攻角开始大气再入，仅在 4 马赫以下攻角才会降至 20 ° 以下 [4][5]。此外，现代导弹经常在超音速大攻角条件下机动，因此在研发过程中需要对其空气动力学特性进行适当的实验验证。最近开发的许多具有返飞能力的可重复使用运载火箭概念也强调了对超音速大攻角风洞测试的持续需求。人们已经对大攻角空气动力学进行了大量的理论和实验工作 [5]-[8]。此外，工程级预测代码也已扩展，以涵盖高攻角条件 [9]。另一个需要进行高攻角超音速风洞测试的领域是计算流体力学 (CFD)。许多处理高攻角空气动力学的代码正在开发中，主要是为了支持航天飞机、再入舱和类似飞行器的开发。开发人员承认，高攻角空气动力学带来了许多挑战 [10]-[12]。用作这些代码测试用例的实验数据将
地理配准最佳实践指南
出版商：哥本哈根全球生物多样性信息机构 http://www.gbif.org 版权所有 © 2006 加州大学董事会。保留所有权利。本书中的信息代表作者的专业意见，并不一定代表出版商或加州大学董事会的观点。尽管作者和出版商已尝试使本书尽可能准确和全面，但此处包含的信息是“按原样”提供的，并且不对其准确性或完整性提供任何保证。作者、出版商和加州大学董事会对任何个人或实体因使用本书中提供的信息而造成的任何损失或损害不承担任何责任。地理参考最佳实践指南包括索引 ISBN：87-92020-00-3 推荐引用：Chapman，AD 和 J. Wieczorek（编辑）。2006 年。地理参考最佳实践指南。哥本哈根：全球生物多样性信息机构。编辑：Arthur D. Chapman 和 John Wieczorek 撰稿人：J.Wieczorek、R.Guralnick、A.Chapman、C.Frazier、N.Rios、R.Beaman、Q.Guo。
神经调节中的准危机近似
摘要。我们定义并解释了用于电气和磁刺激的现场建模的准近似（QSA）。神经调节分析管道包括离散阶段，当通过给定的刺激剂量计算在组织中产生的电场和磁场时，QSA专门应用。QSA简化了建模方程，以支持可拖动的分析，增强的理解和计算效率。QSA在神经调节中的应用是基于四个基本假设：（A1）无波传播或在组织中的自我诱导，（A2）线性组织特性，（A3）纯电阻性组织和（A4）非分散性组织。由于这些假设，每个组织都被分配一个固定的电导率，并且为磁场的空间分布求解了简化的方程（例如，拉普拉斯方程），该场分布与田间的时间波形分开。认识到电组织特性可能更为复杂，我们解释了如何并行或迭代管道嵌入QSA以模型频率依赖性或电导率的非线性。我们调查了QSA在特定应用中的历史和有效性，例如微刺激，深脑刺激，脊髓刺激，经颅电刺激和经颅磁刺激。在使用QSA模型或测试其极限时，神经调节中QSA的精确定义和解释对于严格至关重要。
使用准态状态建模的案例研究
摘要CIBSE TM54最近进行了修订，并涵盖了评估建筑物运营能源使用的最佳实践方法。tm54是一个指导文档，可在设计和施工过程的每个阶段以及在被占领阶段的每个阶段进行性能评估，以确保长期运营绩效与设计意图保持一致。TM54中的主要绩效评估原理是逐步建模方法和方案测试，以提高设计建议计算的鲁棒性。此技术备忘录的最新版本为建模方法带来了更新的视角，包括详细的供暖，通风和空调（HVAC）建模和仿真。还对风险，目标设置，方案测试和灵敏度分析进行了更详细的指导。一种案例研究方法用于探索和证明TM54中描述的一些重要方面。TM54建议根据其规模和复杂性遵循的三种建模方法（又称实现路线）：使用准稳态的状态工具；使用模板HVAC系统的动态仿真；以及具有详细HVAC系统建模的动态仿真。作为三个系列的一部分，该案例研究提供了第一个实现路线的应用：使用准稳态状态工具进行建模。实用应用：此案例研究提供了有关进行CIBSE TM54建模和投影设计阶段建筑绩效的详细指南。该研究涵盖了如何通过准稳态建模工具对如何应用TM54的解释和明确说明。
减少采样开销的准概率分解
量子误差缓解技术可以降低当前量子硬件上的噪声，而无需容错量子误差校正。例如，准概率方法使用有噪声的量子计算机模拟无噪声量子计算机，但前提是仅产生可观测量的正确预期值。这种误差缓解技术的成本表现为采样开销，其随着校正门的数量呈指数增长。在这项工作中，我们提出了一种基于数学优化的算法，旨在以噪声感知的方式选择准概率分解。与现有方法相比，这直接导致采样开销的基础显著降低。新算法的一个关键要素是一种稳健的准概率方法，它允许通过半有限规划在近似误差和采样开销之间进行权衡。
由于Hund的耦合而引起的准本地旋转波动
很久以前就强调了自旋爆发对SR 2 RUO 4物理学的重要性[1]。该材料接近旋转密度波不稳定性和杂质的小浓度触发排序[2，3]。Sidis等人开创的非弹性中子散射（INS）实验。 [1]并在多年来进行了修复[4-10]表明，磁反应本质上是：（i）与均匀敏感性的均匀敏感贡献相关的弱动量贡献，与频带值相比，均匀敏感性的增强因子（一致）均匀敏感性的增强因子，与频带值相比[11，12]）和（ii）evection [11，12]）和（ii）（ii）/（ii）（ii）quemmentrate qummentrate quntimemensurate quntiment qumensurate quntiment 3，0。 3，0）[13]靠近旋转密度波（SDW）不稳定性[10]。 使用密度函数理论（DFT）和随机相近似（RPA）预测了Q SDW处的峰值。 但是，RPA并未解释宽结构，它预测在反铁磁X点Q x =（0。）处的响应 5，0。 5，0）高于 - 点响应q =（0，0，0），与实验相矛盾[10]。 最近，已经意识到，该材料中强相关性的起源可能与长波长磁相关性相关，而是与hund的耦合驱动的局部相关性[15，16]。 在此图片之后获得了SR 2 RUO 4的广泛物理特性的成功描述，并由定量的动态均值结构理论（DMFT）计算支持。Sidis等人开创的非弹性中子散射（INS）实验。[1]并在多年来进行了修复[4-10]表明，磁反应本质上是：（i）与均匀敏感性的均匀敏感贡献相关的弱动量贡献，与频带值相比，均匀敏感性的增强因子（一致）均匀敏感性的增强因子，与频带值相比[11，12]）和（ii）evection [11，12]）和（ii）（ii）/（ii）（ii）quemmentrate qummentrate quntimemensurate quntiment qumensurate quntiment 3，0。 3，0）[13]靠近旋转密度波（SDW）不稳定性[10]。 使用密度函数理论（DFT）和随机相近似（RPA）预测了Q SDW处的峰值。 但是，RPA并未解释宽结构，它预测在反铁磁X点Q x =（0。）处的响应 5，0。 5，0）高于 - 点响应q =（0，0，0），与实验相矛盾[10]。 最近，已经意识到，该材料中强相关性的起源可能与长波长磁相关性相关，而是与hund的耦合驱动的局部相关性[15，16]。 在此图片之后获得了SR 2 RUO 4的广泛物理特性的成功描述，并由定量的动态均值结构理论（DMFT）计算支持。3，0。3，0）[13]靠近旋转密度波（SDW）不稳定性[10]。使用密度函数理论（DFT）和随机相近似（RPA）预测了Q SDW处的峰值。但是，RPA并未解释宽结构，它预测在反铁磁X点Q x =（0。5，0。5，0）高于 - 点响应q =（0，0，0），与实验相矛盾[10]。最近，已经意识到，该材料中强相关性的起源可能与长波长磁相关性相关，而是与hund的耦合驱动的局部相关性[15，16]。在此图片之后获得了SR 2 RUO 4的广泛物理特性的成功描述，并由定量的动态均值结构理论（DMFT）计算支持。This includes the large mass enhancements of quasi- particles observed in de Haas–van Alphen experiments [ 17 ] and angle-resolved photoemission spectroscopy [ 18 ] as well as quasiparticle weights and lifetimes [ 15 ], nuclear magnetic resonance [ 15 ], optical conductivity [ 19 , 20 ], thermopower
介绍基于vep的准周期和混乱的bci
视觉诱发电位（VEP）对周期性刺激通常用于大脑计算机界面中的有利特性，例如高目标识别精度，较小的训练时间和较低的目标干扰。传统的周期性刺激会导致由于连续和高对比度刺激而导致主观的视觉疲劳。在这项研究中，我们将准周期和混乱的复杂刺激与常见的周期性刺激进行了比较，以与基于VEP的大脑计算机界面（BCIS）一起使用。规范相关分析（CCA）和相干方法用于评估三个刺激组的性能。通过视觉模拟量表（VAS）评估了由提出的刺激引起的主观疲劳。使用M2模板方法使用CCA，与Quasi-periodic（M = 78.1，SE = 2.6，P = 0.008）和周期性（M = 64.3，SE = 1.9，SE = 1.9，P = 0.0001）相比，混乱刺激的目标识别精度最高（M = 86.8，SE = 1.8）。对疲劳率的评估表明，与准周期性（p = 0.001）和周期性（p = 0.0001）刺激组相比，混乱刺激引起的疲劳较少。另外，与周期性刺激相比，准周期性刺激导致疲劳率较低（p = 0.011）。我们得出的结论是，与具有CCA的其他两个刺激组相比，混沌组的靶标识别结果更好。此外，与周期性和准周期性刺激相比，混乱的刺激导致主观视觉疲劳较少，并且可以适合设计新的舒适的基于VEP的BCIS。