XiaoMi-AI文件搜索系统
World File Search System准确度
稀疏人工神经网络：自适应性能 - ...
人工神经网络是强大的机器学习系统。然而，如果权重数量过多，接近于零，网络就会变得不必要地庞大和沉重。稀疏模型会删除冗余权重，旨在以最小的准确度损失减少参数数量。稀疏进化训练过程会自适应地进化人工神经网络拓扑的权重。事实证明，这种技术可以删除大量权重，并实现比非进化或密集连接的对应技术更高的准确度，尽管连接的添加和删除遵循相对简单的算法。受人类大脑突触修剪的启发，我们提出了一种稀疏进化训练算法中权重进化的高级方法。我们建议在训练阶段随着准确度的提高逐渐删除连接。我们表明，参数数量可以显著减少，而准确度几乎不会损失，额外的计算复杂性可以忽略不计。我们在基准图像和表格数据集上训练的多层感知器上展示了该算法的性能。这项研究有助于理解稀疏人工神经网络，并朝着更高效的模型迈出了一步。
囚禁离子量子计算机上的最近质心分类
近年来，量子机器学习在理论和实践方面取得了长足的发展，已成为量子计算机在现实世界中应用的有希望的领域。为了实现这一目标，我们结合了最先进的算法和量子硬件，为量子机器学习应用提供了实验演示，并可证明其性能和效率。具体来说，我们设计了一个量子最近质心分类器，使用将经典数据高效加载到量子态并执行距离估计的技术，并在 11 量子比特离子阱量子机上进行了实验演示，其准确度与经典最近质心分类器的准确度相当，可用于 MNIST 手写数字数据集，并可实现 8 维合成数据的准确度高达 100%。
心理功能近红外光谱研究
1 数据集信息 [1]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2 使用均值、方差和三阶矩 Σ nt 的 1-back、2-back、3-back 任务的分类准确率 . . . . . . . . . . . . . . . . . . . . . . 42 3 使用 Σ n (t) 的均值、方差和三阶矩，对数据集 1 的 1-back、2-back、3-back 任务与 RELAX 任务之间的分类准确度 43 4 使用均值和方差以及不同的机器学习算法，对数据集 2 的不同 n-back 任务之间的分类准确度。 .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
通过领域适应提高基于脑电图的听觉注意点解码
摘要 目的。本文提出了一种新的领域适应 (DA) 框架，以提高基于脑电图 (EEG) 的听觉注意力分类的准确性，特别是对注意语音的方向（左或右）进行分类。该框架旨在提高最初分类准确度较低的受试者的表现，克服工具和人为因素带来的挑战。数据集大小有限、由于噪声、电极错位或受试者等因素导致的 EEG 数据质量变化以及跨不同试验、条件和受试者进行概括的需要，必须使用 DA 方法。通过利用 DA 方法，该框架可以从一个 EEG 数据集中学习并适应另一个，从而可能产生更可靠和更强大的分类模型。方法。本文重点研究一种基于并行传输的 DA 方法，用于解决听觉注意力分类问题。本研究中使用的 EEG 数据来自一项实验，其中受试者被指示选择性地注意同时呈现的两个空间分离的声音之一。主要结果。与基线相比，当将来自一个受试者的不良数据传输到来自不同受试者的良好数据域时，分类准确度显著提高。数据较差的受试者的平均分类准确度从 45.84% 提高到 67.92%。具体而言，来自一个受试者的最高分类准确度达到 83.33%，比基线准确度 43.33% 大幅提高。意义。我们的研究结果表明，通过实施 DA 方法可以提高分类性能。这使我们更接近在神经引导听力设备中利用 EEG。
人工智能在...中的应用
研究了人工智能技术在颌面放射诊断领域的应用：高精度牙齿识别（95.8%；平均灵敏度0.987，准确度0.9945）、确定X 光片中的牙齿数量（非常高的准确度）、检测龋齿（良好的可重复性）、使用咬翼片诊断近端龋齿（结果有希望）、预测根面龋齿（优秀结果）、在全景牙科 X 光片上成功检测根尖病变、在 CBCT 图像和全景 X 光片上诊断根部垂直骨折（性能优异，准确度为 96.6%）、在全景牙科 X 光片上检测牙周骨质流失（结果与专家意见相似）。
用于边缘 AI 加速的无溢出计算内存
图3.逐层 CNN 量化策略概述。虽然可以进行进一步的优化操作 (a)，但选择对 MAC 周期数减少影响最大的操作并将其应用于模型 (b)。然后，再训练阶段将补偿由于 IMO 或 BO 的位宽减少而导致的准确度下降 (c)。如果违反了准确度约束 (d)，则恢复先前的配置 (e)，并从候选优化列表中删除当前操作 (f)。
已提交至 INTERSPEECH
最近的研究表明，可以使用语音刺激和神经反应的匹配-不匹配分类来分析人类语音理解的潜在神经机制。然而，此类研究都是针对固定持续时间段进行的，而没有考虑到大脑对语音的离散处理。在这项工作中，我们确定词边界信息通过将脑电图与语音输入联系起来，在句子处理中起着重要作用。我们使用卷积层网络处理语音和脑电图信号。然后，对表示执行基于词边界的平均池化，并使用循环层合并词间上下文。实验表明，在公开的语音脑电图数据集上，建模准确度可以显著提高（匹配-不匹配分类准确度）至 93%，而之前的努力在这个任务中实现了 65-75% 的准确度。索引词：语音脑电图匹配不匹配任务、听觉神经科学、词分割、语音理解。
驾驶员心理负荷等级划分 - MDPI
摘要：心理负荷 (MW) 表示执行并发任务所需的大脑资源量。鉴于 MW 与交通事故风险的相关性，对高级驾驶辅助系统而言，MW 的评估至关重要。在本研究中，在模拟环境中驾驶时对参与者进行了两项认知测试（数字广度测试 - DST 和 Ray 听觉言语学习测试 - RAVLT）。选择这些测试来调查驾驶员对预定认知负荷水平的反应，以对 MW 进行分类。同时使用红外 (IR) 热成像和心率变异性 (HRV) 来获取与受试者心理生理相关的特征，以便为机器学习 (ML) 分类器提供信息。基于单峰 IR/单峰 HRV/多峰 IR + HRV 特征比较了六类模型。基于多模态 IR + HRV 特征的分类器达到了最佳分类器性能（DST：准确度 = 73.1%，灵敏度 = 0.71，特异性 = 0.69；RAVLT：准确度 = 75.0%，平均灵敏度 = 0.75，平均特异性 = 0.87）。基于单模态 IR 特征的分类器也表现出高性能（DST：准确度 = 73.1%，灵敏度 = 0.73，特异性 = 0.73；RAVLT：准确度 = 71.1%，平均灵敏度 = 0.71，平均特异性 = 0.85）。这些结果证明了使用完全非接触式和非侵入式技术来高精度评估驾驶员 MW 水平的可能性，这代表了交通事故预防领域的最新进展。
Spine Cop：姿势矫正监测器和助手
摘要：背部和脊柱相关问题是大多数人一生中经常遇到或将要遇到的疾病。可以做出的一个常见且明智的观察是关于个人的姿势。我们提出了一种新方法，将加速度计、陀螺仪和磁力计传感器数据与永磁体相结合，组装成一个可穿戴设备，能够实时监测脊柱姿势。每个用户都需要对设备进行独立校准。传感器数据由概率分类算法处理，该算法将实时数据与校准结果进行比较，验证数据点是否位于计算阈值定义的置信区域内。如果加速度计和磁力计都将姿势分类为不正确，则认为姿势分类不正确。在单个成年测试对象中进行了试点试验。磁铁和磁力计的组合大大提高了姿势分类准确度（89%），而仅使用加速度计数据时获得的准确度（47%）则为准确度。该方法的验证基于图像分析。