XiaoMi-AI文件搜索系统
World File Search System功率谱
用于音乐复音生成系统的脑机接口、视觉追踪器和人工智能
系统架构如图2所示。左侧的音高剖面生成器模块基于一种算法，该算法将Leap Motion 设备检测到的作曲家手指坐标转换为音符音高。结果是音高剖面，即一系列没有关于其持续时间的音符。右侧模块的特点是前馈网络分类器，它采用深度网络算法，分析作曲家佩戴的Emotiv 耳机的五个电极发出的脑电图信号，并将其心理状态分类为“专注”或“放松”。这里的心理状态是从脑电图信号获得的一系列功率谱值。该算法先前已通过特定作曲家的心理状态数据集进行训练。复音结构生成器：1）接收音高轮廓，2）将其乘以四以获得复音草案，3）根据作曲家的心理状态，为四个音高轮廓的音符赋予持续时间，并通过乱序方法进行区分。
功能性神经网络：用于功能数据的换档模型，并具有脑电图分类的应用程序
在BCI的背景下，更具体地用于通过脑电图（EEG）测量的数据分析，传统方法基于根据数据计算得出的精心选择的功能。通常应用的技术包括时间域中脑电图数据的主要成分分析，或基于频域中功率谱的特征（Azlan＆Low，2014; Boubchir等，2017; Boonyakitanont et al。，2020）。由于深度学习领域的最新进展，提出了避免手动特征提取的神经网络的不同架构，并且似乎超过了更传统的方法。例如，提出了神经网络EEGNET来支持多个BCI范式，通常被称为该领域的基准模型（Lawhern等，2018）。在临床环境中，使用VGG16神经网络的某些变体来检测与癫痫相关的信号（Da Silva LourenC报O等，2021）。通常，深度学习已成功地应用于与脑电图数据有关的各种任务（Craik等，2019； Roy等，2019）。
![arxiv：2301.05869v2 [cs.lg] 2023年8月10日](/simg/g:\will\search\icon\source\4\47b0820a8bbd0dc424d1af53abb30fd5ef096fab.webp)
arxiv：2301.05869v2 [cs.lg] 2023年8月10日
在BCI的背景下，更具体地用于通过脑电图（EEG）测量的数据分析，传统方法基于根据数据计算得出的精心选择的功能。通常应用的技术包括时间域中脑电图数据的主要成分分析，或基于频域中功率谱的特征（Azlan＆Low，2014; Boubchir等，2017; Boonyakitanont et al。，2020）。由于深度学习领域的最新进展，提出了避免手动特征提取的神经网络的不同架构，并且似乎超过了更传统的方法。例如，提出了神经网络EEGNET来支持多个BCI范式，通常被称为该领域的基准模型（Lawhern等，2018）。在临床环境中，使用VGG16神经网络的某些变体来检测与癫痫相关的信号（Da Silva LourenC报O等，2021）。通常，深度学习已成功地应用于与脑电图数据有关的各种任务（Craik等，2019； Roy等，2019）。
微分方程分析的量子优势
用于微分方程求解、数据处理和机器学习的量子算法可能比所有已知的经典算法提供指数级加速。然而，在有用的问题实例中获得这种潜在加速也存在障碍。量子微分方程求解的基本障碍是输出有用信息可能需要困难的后处理，而量子数据处理和机器学习的基本障碍是输入数据本身就是一项艰巨的任务。在这项研究中，我们证明了，当结合起来时，这些困难可以相互解决。我们展示了量子微分方程求解的输出如何作为量子数据处理和机器学习的输入，从而允许在主成分、功率谱和小波分解方面进行动态分析。为了说明这一点，我们考虑了流行病学和社会网络上的连续时间马尔可夫过程。这些量子算法比现有的经典蒙特卡罗方法具有指数级优势。
统计条件下结构的疲劳寿命估计…… - arXiv
新的疲劳寿命预测框架为缺口梁模型在统计和频谱相似的不规则变幅载荷下提供了更好的寿命预测。它通过修改应力-振幅历史的概率密度函数，使累积损伤规则能够解释载荷序列效应，方法是 (1) 基于雨流计数算法识别过载； (2) 过载延迟效应的分析表征； (3) 使用过载振幅速率表征校正损伤规则。将根据实验获取和合成生成的载荷时间历史估计的疲劳寿命与通过定性再现物理实验中疲劳寿命的模拟生成的疲劳寿命进行比较。预测精度的显著提高优于 Palmgren-Miner 规则和基于功率谱的寿命估计。对现场加速度数据的演示应用证实了其在役结构健康监测和损伤预测中的应用。该框架不需要事先了解施加的负载，并且可以应用于具有已知结构和缺陷特性的其他工程结构。
使用内存函数形式主义在寻找...
摘要 - 数据科学在生物医学和生理时间序列和空间图的分析中的使用允许提取有关生物体整体和单个器官的动态状态和功能的可靠信息。在本文中，基于记忆函数形式主义，这是统计物理学的方法之一，我们分析了人脑和人类神经肌肉系统的生物电活动的信号。我们从对人类信号中揭示的全球模式的研究进行过渡到对时间动态各个部分的分析。基于局部特征和参数（功率谱和统计记忆度量的时间窗口绘图），我们建立了周期性模式和动态模式相关性的变化。在时间序列分析的情况下，各种定位过程扮演着“统计显微镜”的作用，该过程捕获信号详细信息或反映对象的局部结构的特征。在记忆功能形式主义框架内引入的广义和局部参数被证明可用于寻找心脏病学，神经生理学，流行病学以及研究人类感觉运动和运动活性的诊断标准。
统计和频谱相似的变幅载荷下结构的疲劳寿命评估
新的疲劳寿命预测框架可在统计和频谱相似的不规则变幅载荷下为缺口梁模型提供更好的寿命预测。它通过修改应力-振幅历史的概率密度函数，使累积损伤规则能够解释载荷序列效应，方法是 (1) 基于雨流计数算法识别过载；(2) 分析表征过载延迟效应；(3) 使用过载振幅率表征校正损伤规则。将根据实验获取和合成生成的载荷时间历史估计的疲劳寿命与根据定性再现物理实验中疲劳寿命的模拟生成的疲劳寿命进行比较。预测精度的显著提高优于 Palmgren-Miner 规则和基于功率谱的寿命估计。对现场加速度数据的演示应用证实了其可用于在役结构健康监测和损伤预测。该框架不需要预先了解所施加的负载，并且可以应用于具有已知结构和缺陷特性的其他工程结构。
使用 EEG 分析飞行员心理工作负荷
增强认知是一种人机交互形式，其中利用对用户认知状态的生理感知在需要时精确调用系统自动化。本研究监测飞行员的飞行生理状态，以确定 EEG 指标的最佳组合，以预测工作量的变化或增强认知的机会。参与者是 10 名拥有 FAA 商业飞行员证书和当前医疗证书的大学航空学生。每位参与者都执行了统一的飞行场景，其中包括工作量需求不同的程序。所有操作都是在飞行中同时获取 EEG 数据的同时进行的。EEG 数据分为高工作量和低工作量时期。计算功率谱密度值并对其进行多种机器学习方法来区分高工作量和低工作量时期。结果表明，在区分低工作量和高工作量方面具有出色的分类准确性。目前的结果进一步证明了增强认知的潜力。
集体几乎基于同步的模型，以提取和预测EEG信号的特征
了解大脑在科学，医学和工程领域很重要。更好地了解大脑的有希望的方法是通过计算模型。调整这些模型以重现从大脑收集的数据。神经科学中最常用的数据类型之一来自脑电图（EEG），它记录了激活大脑中神经元时产生的微小电压。在这项研究中，我们提出了一个基于弱连接的动力学系统（Hindmarsh -Rose神经元或Kuramoto振荡器）的复杂网络的模型，该模型将以识别为集体同步（CAS）的动态状态下运行。我们的模型不仅成功地从健康和癫痫发作的脑电图信号中复制了脑电图数据，而且还可以预测脑电图，赫斯特指数和功率谱。所提出的模型能够预测将来的EEG信号5.76 s。平均预测误差为9.22％。随机库拉莫托模型为预测癫痫发作的脑电图产生了出色的结果，误差为11.21％。
基于非...的自主量子热机
我们提出了一种演示自主量子热机的方法，其中工作流体由谐振子组成，谐振子的频率由驱动模式调整。工作流体耦合两个热库，每个热库都表现出峰值功率谱，热库的峰值频率高于冷库。假设驱动模式在具有足够高振幅的相干状态下初始化，并且所用的光机械哈密顿量和库的参数合适，则驱动模式会为工作流体引入近似的奥托循环，因此其振荡幅度开始随时间增加。我们为这种量子热机建立了一个解析模型和一个非马尔可夫准经典模型，并表明可以产生相当强大的相干场作为量子热机的输出。这一一般理论建议预示着非马尔可夫机制下量子热机的深入研究。此外，它为特定的物理实现（例如光机械系统）以及随后的自主量子热机的实验实现铺平了道路。