XiaoMi-AI文件搜索系统
World File Search System功率谱
ξ-π：神经功率谱分解的非参数模型
摘要 — 从脑记录中估计出的功率谱是非周期性瞬态活动和周期性振荡的混合表示，即非周期分量（AC）和周期分量（PC）。定量神经生理学需要在参数化每个分量之前进行精确分解。然而，AC 和 PC 的形状、统计分布、尺度和混合机制尚不清楚，这对当前流行的参数模型（如 FOOOF、IRASA、BOSC 等）的有效性提出了挑战。这里提出了 ξ - π 来分解神经谱，方法是将带有惩罚 Whittle 似然的非参数谱估计和形状语言建模嵌入到期望最大化框架中。在具有损失统计的合成频谱以及具有评估指标和神经生理学证据的睡眠EEG和大样本iEEG上验证了ξ-π。与FOOOF相比，呈现形状不规则性的模拟和具有多个孤立峰的批量模拟都表明ξ-π在识别中心频率和峰值数量时以更少的损失和更高的F1分数改善了AC和PC的拟合度；睡眠EEG显示ξ-π产生了更多可区分的AC指数并提高了睡眠状态分类准确性；iEEG显示ξ-π在峰值发现方面接近临床发现。总体而言，ξ-π在频谱分解中提供了良好的性能，允许使用描述性统计数据或核函数进行灵活的参数化。ξ-π 可能成为认知神经科学、脑机接口、神经反馈和脑部疾病等领域脑信号解码的有前途的工具。
认知负荷的 EEG 功率谱测量：元分析
摘要 认知工作量 (CWL) 是评估和监测人类执行认知任务时表现的基本概念。许多研究尝试使用神经成像技术客观、持续地测量 CWL。尽管脑电图 (EEG) 是一种广泛使用的技术，但 CWL 对大脑频率频谱功率的影响却显示出不一致的结果。本综述旨在综合文献结果并定量评估哪种大脑频率对 CWL 最敏感。按照 PRISMA 建议进行系统的文献检索，突出了用于测量 CWL 的三个主要频带：θ (4-8 Hz)、α (8-12 Hz) 和β (12-30 Hz)。进行了三项荟萃分析以定量检验 CWL 对这些频率的影响。共计算了来自 24 项研究（涉及 723 名参与者）的 45 个效应大小。 CWL 对 theta (g = 0.68, CI [0.41, 0.95])、alpha (g = −0.25, CI [−0.45, 0.04]) 和 beta (g = 0.50, CI [0.21, 0.79]) 功率有显著影响。我们的结果表明，theta，尤其是额叶 theta，是 CWL 的最佳指数。alpha 和 beta 功率也受到 CWL 的显著影响；然而，它们之间的关联似乎不那么直接。考虑到脑震荡方面的文献，对这些结果进行了批判性分析。最后，我们强调需要研究 CWL 与可能影响频谱功率的其他因素（例如情绪负荷）之间的相互作用，并将该测量方法与中枢和周围神经系统的其他分析方法（例如功能连接、心率）相结合。
儿童注意力和创造力表现期间脑电图记录的功率谱和连接分析
摘要：本研究的目的是检查功率谱并探索注意力表现过程中的功能性大脑连接/断开情况，以注意力 d2 测试和创造力测试为衡量标准，以正常发育儿童的 CREA 测试为衡量标准。为此，我们通过使用相位同步性（即锁相指数 (PLI)）对 15 名 9 至 12 岁儿童通过 Emotiv EPOC 神经耳机获取的 EEG 信号进行检查来检查大脑连接。此外，作为补充，还对获取的信号进行了功率谱分析。我们的结果表明，在 d2 测试过程中，全局伽马相位同步增加，而全局 alpha 和 theta 波段去同步。相反，在 CREA 任务期间，功率谱分析显示 delta、beta、theta 和 gamma 波段显著增加。连接分析显示 theta、alpha 和 gamma 明显同步。这些发现与其他神经科学研究一致，表明多种大脑机制确实与创造力有关。此外，这些结果对于在临床和研究环境中评估注意力功能和创造力以及对具有正常和非正常发育的儿童的神经反馈干预具有重要意义。
新视野 SWAP 实验测量的行星际冲击波能量功率谱：一维全粒子模拟与观测结果
一维粒子模拟 (PIC) 用于分析新视野号绕冥王星太阳风 (SWAP) 仪器在距离太阳约 34 天文单位处观测到的行星际激波上游区域测得的能谱。使用单个种群模拟不同的太阳风离子 (SWI) 和拾取离子 (PUI) 种群，我们可以清楚地识别出每个种群对全球能谱的贡献。强调了激波前沿倾斜度在沿磁场流回远离前沿的上游区域的 PUI 形成中的重要作用。在本模拟中可以很好地恢复 SWAP 实验测得的能谱。详细分析表明：(1) 能谱的最高部分主要由回流的 PUI-H + 和 PUI-He + 形成； (2) 能谱的中间部分由太阳风 SW-H + 和 SW-He 2+ 入射离子组成，这些离子叠加在 PUI-H + 粒子群上，(3) 低能范围由入射 PUI-H + 组成。使用 PUI-H + 粒子群的初始填充壳分布（而不是零厚度壳），可以提高实验结果与模拟结果之间的一致性，因为这会强烈影响光谱的低能部分。这意味着 PUI-H + 离子在日光层中首次被拾取后，有足够的时间扩散到壳分布并填充壳分布，这表明随后的冷却对全球能谱有重要影响。
原创研究年轻人夜间大脑活动指纹状模式也出现在老年人身上
目的：定量睡眠脑电图被视为脑电图“指纹”，即它在个体内稳定但个体之间有差异。然而，到目前为止，几乎所有针对这方面的研究都是在年轻男性中进行的。因此，很想知道睡眠脑电图指纹概念是否适用于男女老年人样本。患者和方法：从三个不同子样本（每个子样本 30 名健康个体）获得的数据被重新用于当前的二次分析（年轻男性（YM）= 25.6 ± 2.4 岁，老年男性（EM）= 69.1 ± 5.5 岁，老年女性（EW）= 67.8 ± 5.7 岁）。个体在睡眠实验室中睡了十次，总共进行了 900 个研究夜晚。然而，为了避免因干预相关的睡眠脑电图功率谱变化而导致的误解，仅包括没有任何干预的 3 个假性睡眠夜，将数据集减少到 270 个。为了确定假性睡眠夜对之间 NREM 睡眠脑电图功率谱的稳定性，分别按样本计算受试者内和受试者之间的曼哈顿距离测量值。结果：无论是子样本还是假性睡眠夜对，在受试者内功率谱比较中都观察到最低距离测量值，即最大相似度（EW 的平均距离测量值范围为 3.82 至 4.06，EM 的平均距离测量值范围为 3.55 至 3.63，YM 的平均距离测量值范围为 3.04 至 3.62）。此外，样本之间的个体内相似度没有显着差异。受试者之间的功率谱距离测量值明显较大（EW 的平均距离测量值范围为 12.95 至 13.15，EM 的平均距离测量值范围为 12.21 至 12.57，YM 的平均距离测量值范围为 10.33 至 10.78），且年轻人和老年人之间存在显著差异。结论：本研究结果支持以下观点：睡眠脑电图功率谱是一种类似于个人特征的特征，直到老年仍保持独特性。这一发现可能有助于提高测量干预效果的灵敏度。关键词：睡眠脑电图功率谱、衰老与睡眠、睡眠脑电图的遗传性、脑电图指纹、类似于特征的定量脑电图特征、睡眠脑电图的个体性
一体式风冷水冷器和... - Daikin Applied UK
7 声音数据。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 声压谱。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 声压谱安静模式。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 声功率谱。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20
恒星对流的普朗特数依赖性
背景。在恒星对流区中，运动粘度与热扩散率之比，即普朗特数，远小于 1。目的。这项工作的主要目标是研究对流流动和能量传输的统计数据与普朗特数的关系。方法。采用笛卡尔几何中可压缩非旋转流体动力对流的三维数值模拟。对流区 (CZ) 位于两个稳定分层的层之间。在大多数情况下，熵波动扩散的主要贡献来自亚网格尺度扩散率，而平均辐射能量通量则由采用 Kramers 不透明度定律的扩散通量介导。在这里，我们分别研究上流和下流的统计和传输特性。结果。体积平均均方根速度随普朗特数的减小而增加。同时，下行流的填充因子会降低，导致在较低的普朗特数下，下行流平均会更强。这导致对流过冲对普朗特数有很强的依赖性。速度功率谱不会随着普朗特数的变化而发生明显变化，但对流层底部附近除外，因为那里垂直流占主导地位更为明显。在最高雷诺数下，速度功率谱与 Bolgiano-Obukhov k − 11 / 5 的兼容性比与 Kolmogorov-Obukhov k − 5 / 3 的兼容性更好
周期性和大约EEG特征作为发育阅读障碍的潜在标记
摘要：发育阅读障碍（DD）是一种神经生物学条件，影响了读取和/或准确读取的能力。分析DD中静静态脑电图（EEG）活性可能会更深入地表征潜在的病理生理学和可能的生物标志物。到目前为止，研究DD中静止状态活性的研究提供了有限的证据，并且没有考虑功率谱的上流区分。在本研究中，（n = 26）和没有DD（n = 31）的成年人接受了阅读技能评估和静止状态的脑电图，以调查上周期活动的潜在变化，这对周期性的对应物和阅读表现的影响。在甲状腺枕通道中，DD参与者表现出明显不同的上膜活性活性，这是通过平板和较低功率谱图所索引的。这些多数措施与文本阅读时间显着相关，这表明与阅读困难的个体差异有联系。与典型的读取器相比，DD组在Beta频段中显示出明显降低的Aperiodic调整功率，这与单词读取精度显着相关。总的来说，在这里，我们提供的证据表明，DD参与者中内源性大道活性的改变，并与神经噪声假设增加一致。此外，我们确认内源性β节奏的改变，这些节奏是根据其潜在的与大细胞传播流的潜在联系来讨论的。
利用多个不同的脑电图训练课程来改善基于光谱的生物特征验证结果
摘要：大多数基于脑电图的生物特征识别研究报告的结果都是基于信号数据库的，记录的脑电图会话数量有限，使用相同的单个脑电图记录来训练和测试所提出的模型。然而，脑电图信号极易受到干扰、电极放置和临时条件的影响，这可能导致对所考虑方法的评估被高估。我们的研究考察了用作训练会话的不同记录会话数量将如何影响基于脑电图的验证。我们分析了 29 名参与者的原始数据，每人有 20 个不同的记录会话，以及 23 名额外的冒名顶替者，每人只有一个会话。我们将功率谱密度估计的原始系数和转换为分贝刻度的功率谱密度估计系数作为浅层神经网络的输入。我们的研究表明，多个记录会话引入的方差会影响灵敏度。我们还表明，在我们的条件下，将会话数量增加到 8 个以上并不能改善结果。对于 15 次训练，实现的准确率为 96.7 ± 4.2%，对于 8 次训练和 12 次测试，实现的准确率为 94.9 ± 4.6%。对于 15 次训练，在所有攻击尝试中，成功冒名顶替攻击的概率为 3.1 ± 2.2%，但这个数字与使用 6 次记录会话进行训练没有显著差异。我们的研究结果表明，需要将来自多个记录会话的数据纳入基于 EEG 的识别训练中，并且增加测试会话的数量不会显著影响获得的结果。虽然呈现的结果针对的是静息状态，但它们可以作为其他范例的基线。
森林流：预测Lyman-α森林聚类从线性到非线性尺度
在大范围内，Lyman-α森林提供了对宇宙膨胀历史的见解，而在小尺度上，它对生长历史，暗物质的性质和中微子质量的总和施加了严格的限制。这项工作引入了ForestFlow，这是一个新颖的框架，它弥合了大型和小规模分析之间的差距，这些分析传统上依赖于不同的建模方法。使用条件归一化的流量，ForestFlow预测了两种lyman-α线性偏见（Bδ和Bη）和六个参数，描述了三维频谱功率谱（P 3D）的小规模偏差（p 3D），从线性理论作为体体和核学中培养基的功能。随后将它们与Boltzmann求解器相结合，以对P 3D和从其衍生的任何其他统计数据进行一致的预测，从任意大的尺度到非线性制度。在30个固定和分配的宇宙流体动力学模拟的套件中训练，跨越z = 2至4.5的红移，森林流在描述P 3D和一维闪光功率谱（p 1d）中获得了3和1.5％的精度，从线性量表到k = 5 mpc- = 5 mpc- = 5 mpc-k. = 5 mpc-k. = 4 mpc- = 4 mpc = 4 Mpc = 4 mpc = 4 mpc。由于其条件参数化，森林流对电离历史和两个λCDM模型扩展（大量中微子和曲率）显示出相似的性能，尽管训练集中都不包含这些扩展。该框架将对DESI调查的Lyman-α森林测量结果进行全面宇宙学分析。