XiaoMi-AI文件搜索系统
World File Search System判别器
第二届国际神经科学会议，...
14:00 Roberta Stoica、Mihai Radu 和 Beatrice Mihaela Radu：低能加速质子诱导体外血脑屏障模型的细胞毒性、遗传毒性和功能变化 14:20 Viorel Ovidiu Ciobotaru、Călin Mircea Rusu 和 Beatrice Mihaela Radu：一种从共聚焦显微镜图像中自动检测单个细胞的新方法：对脑微血管内皮细胞的初步研究 15:40 Cristina Elena Staicu、Florin Jipa、Anca Bonciu、Călin Mircea Rusu、Emanuel Axente、Beatrice Mihaela Radu 和 Felix Sima：用于血脑屏障应用的新型聚合物材料和感光玻璃的研究 15:00 Florin Zamfirache 和 Beatrice Mihaela Radu：低强度经颅电刺激 (tDCS) 与其他治疗方法相结合在实验和临床中的应用抑郁症 15:20 Cătălina Lumpan、Beatrice Mihaela Radu、Carmen Strungaru 和 Livia Petrescu：快速区分情绪的形态判别器 15:40 Andrei C. Miu、ştefania Crişan、Simina Pişur、Alexandra Huh、Marius Susu、Róbert Balázsi、Gal Sheppes、Seth D. Pollak、Aurora Szentágotai- Tătar：儿童虐待中情绪调节的神经标记 16:00 讨论
3D可见性 - 可见的可通用的神经辐射场，用于相互作用的手
神经辐射场（NERFS）是场景，物体和人类的有希望的3D代表。但是，大多数措施方法都需要多视图输入和每场培训，这限制了其现实生活中的应用。此外，熟练的方法集中在单个受试者的情况下，留下涉及严重障碍和挑战性视图变化的互动手的场景。为了解决这些问题，本文提出了一个可见的可见性 - 可见性的NERF（VA-NERF）框架，用于互动。具体来说，给定相互作用的手作为输入的图像，我们的VA-NERF首先获得了基于网格的手表示，并提取了相应的几何和质地。随后，引入了一个功能融合模块，该模块利用了查询点和网格顶点的可见性，以适应双手的特征，从而可以在看不见的区域的功能中进行重新处理。此外，我们的VA-NERF与广告学习范式中的新型歧视者一起进行了优化。与传统的分离器相反，该官员预测合成图像的单个真实/假标签，提议的判别器生成了一个像素的可见性图，为看不见的区域提供了精细的监督，并鼓励VA-NERF提高合成图像的视觉质量。互惠2.6m数据集的实验表明，我们所提出的vanerf的表现明显优于常规的nerfs。项目页面：https：//github.com/xuanhuang0/vanerf。
使用生成对抗网络对脑电信号进行自动去噪
摘要：脑机接口（BCI）在各个领域有着广泛的应用。在基于脑电信号的研究中，信号去噪是必不可少的一步。本文提出了一种基于生成对抗网络（GAN）的去噪方法，对多通道脑电信号进行自动去噪。定义新的损失函数以确保滤波后的信号能够尽可能多地保留原始的有效信息和能量。该模型可以模仿和集成人工去噪方法，减少处理时间，因此可以用于大量数据处理。与其他神经网络去噪模型相比，所提出的模型多了一个判别器，它始终判断噪声是否被滤除。生成器则不断改变去噪方式。为了确保GAN模型稳定地生成脑电信号，提出了一种新的归一化方法，即基于样本熵阈值和能量阈值（SETET）归一化来检查异常信号并限制脑电信号的范围。去噪系统建立后，虽然去噪模型采用不同受试者的数据进行训练，但仍然能够适用于新受试者的数据去噪。本文讨论的实验采用HaLT公开数据集。相关性和均方根误差（RMSE）作为评价标准。结果表明，提出的自动GAN去噪网络达到了与手动混合人工去噪方法相同的性能。此外，GAN网络使去噪过程自动化，大大减少了时间。