XiaoMi-AI文件搜索系统
World File Search System判别
引入 Block-Toeplitz 协方差矩阵重新掌握事件相关电位脑机接口的线性判别分析
摘要 — 由于维数较高，噪声多通道脑电图时间序列数据的协方差矩阵难以估计。在基于事件相关电位和线性判别分析 (LDA) 进行分类的脑机接口 (BCI) 中，解决这个问题的最新方法是通过收缩正则化。我们提出了一个新想法来解决这个问题，即对 LDA 的协方差矩阵实施块 Toeplitz 结构，这实现了每个通道在短时间窗口中信号平稳的假设。在 13 种事件相关电位 BCI 协议下收集的 213 名受试者的数据上，与收缩正则化的 LDA（最多 6 个 AUC 点）和黎曼分类方法（最多 2 个 AUC 点）相比，由此产生的“ToeplitzLDA”显著提高了二元分类性能。这意味着应用程序级别的性能得到了极大改善，例如在无监督视觉拼写器应用程序中记录的数据，其中 25 个受试者的拼写错误平均可以减少 81%。除了 LDA 训练的内存和时间复杂度较低之外，ToeplitzLDA 被证明即使在 20 倍的时间维度扩大后也几乎保持不变，这减少了对特征提取专家知识的需求。
卷积神经网络用于解码脑电图反应并可视化判别特征的逐次变化
背景：深度学习彻底改变了计算机视觉领域，其中卷积神经网络 (CNN) 从大型数据集中提取复杂的信息模式。深度网络在神经科学中的应用主要集中在神经成像或脑机接口 -BCI- 应用。在脑电图 (EEG) 研究中，多变量模式分析 (MVPA) 主要依赖于线性算法，该算法需要同质数据集，并假设判别特征在试验中以一致的延迟和电极出现。然而，神经反应可能会在实验过程中随时间或空间发生变化，导致对判别特征的低估。在这里，我们旨在利用时间和空间解锁的神经活动，使用 CNN 对 EEG 对外部刺激的反应进行分类，并在每次试验的基础上检查判别特征在实验过程中的变化情况。新方法：我们提出了一种新颖的流程，包括数据增强、CNN 训练和特征可视化技术，针对 EEG 数据的 MVPA 进行了微调。结果：我们的流程提供了高分类性能并可推广到新数据集。此外，我们表明，CNN 识别的分类特征在电生理学上是可解释的，并且可以在单次试验水平上重建，以研究类别特定判别活动的逐次试验演变。与现有技术的比较：将开发的流程与常用的 MVPA 算法（如逻辑回归和支持向量机）以及浅层和深层卷积神经网络进行了比较。我们的方法的分类性能明显高于现有的 MVPA 技术（p = 0.006），并且与其他 EEG 数据的 CNN 的结果相当。结论：总之，我们提出了一种用于 EEG 数据 MVPA 的新型深度学习流程，可以以数据驱动的方式提取逐次试验的判别活动。
耦合判别统计分析和人工智能对坎彭巴市土壤的岩土工程特性进行描述（刚果民主共和国卢本巴希）
本研究重点是通过体外试验确定卢本巴希市 Kampemba 市区的现场样本的物理和力学特性。在本研究结束时，我们根据土壤参数对其进行了识别，并使用进行的识别试验的组指数法确定其承载能力，从而确定岩土分类。通过使用 AASHTO 分类方法（美国州际公路运输官员协会），我们研究后获得的结果显示，一般而言，土壤分为五类：A-2、A-4、A-5、A-6、A-7，具体而言，有关区域土壤分为八个亚类：A-2-4、A-2-6、A-2-7、A-4、A-5、A-6、A-7-5 和 A-7-6。后者对物理参数的全局值进行了统计分析和基于多层感知器的深度学习。其结果为：流限为31.77%±1.05%，塑限为18.71%±0.76%，塑性指数为13.06%±0.79%，2 mm 筛通过率为83.00%±3.33%，400 μm 筛通过率为76.22%±3.2%，4.75 mm 筛通过率为89.07%±2.99%，80 μm 筛通过率为70.62%±2.39%，稠度指数为1.66±0.61，流动性指数为-0.67±0.62，群体指数为8±1。 关键词
基于综合相关判别和信息熵的目标舰船识别算法
舰船类型识别是电子侦察的重要组成部分。但现有的基于统计学的方法、基于模糊数学的方法等，未能充分利用无源传感器获取的信息，辐射源—舰船分配关系存在一定的模糊性。无法得出准确可靠的辐射源—舰船分配关系。因此，本文提出一种综合关联判别法，得到更为可靠、全面的辐射源—舰船分配关系，然后在此关联关系基础上利用信息熵法识别目标舰船类型，并进行可信度分配。仿真结果表明，该算法能有效解决利用多无源传感器信息进行目标舰船类型识别的问题。
基于综合相关判别和信息熵的目标舰船识别算法
舰船类型识别是电子侦察的重要组成部分。但现有的基于统计学的方法、基于模糊数学的方法等，未能充分利用无源传感器获取的信息，辐射源—舰船分配关系存在一定的模糊性。均不能得出准确可靠的辐射源—舰船分配关系。因此，本文提出一种综合关联判别法，得到更为可靠、全面的辐射源—舰船分配关系，然后在此关联关系基础上利用信息熵法识别目标舰船类型，并进行可信度分配。仿真结果表明，该算法能有效解决利用多无源传感器信息进行目标舰船类型识别的问题。