XiaoMi-AI文件搜索系统
World File Search System区东
成果一. 刘晓东研究员与合作者的论文 Uniqueness and ...
摘要： 我们考虑了具有固定入射方向的远场模式的裂纹散射逆问题。首先，我们证明了声软裂纹可以由具有固定入射方向的多频远场模式唯一地确定。该证明基于散射场的低频渐近分析。唯一性结果的一个重要特征是背景甚至可以是未知的非均匀介质。然后提出了一种改进的牛顿法来数值重建裂纹的形状和位置。与经典牛顿法相比，改进的牛顿法放松了对良好初始猜测的依赖，并且可以应用于多个裂纹。二维数值算例证明了改进的牛顿法的可行性和有效性。特别是，如果我们合理地使用两个频率或两个入射方向的测量值，重建的质量可以大大提高。 论文链接： http://dx.doi.org/10.1088/1361-6420/ad904d
东剑桥郡区议会
Action Partnership的Cambridgeshire Energy on Action Partnership已向东剑桥郡授予了100万英镑。这将提供资金，以提高东剑桥郡的50所公园房屋，10个私人物业和46个庇护所的资金。除此之外，理事会还与更大的东南能源枢纽合作，就进一步的资金LAD2合作，这将使效率措施安装到22个物业中。8。自愿社区行动东剑桥郡更新委员会收到了志愿社区行动东剑桥郡（VCAEC）的格兰维尔·霍克斯先生的演讲。社区与伙伴关系经理提醒委员会，该委员会在2020年11月与VCAEC达成了2021/22的服务水平协议。它还同意VCAEC每年将三次参加该委员会，以提供有关服务如何进行的最新信息。然后引入了霍克斯先生。霍克斯先生解释说，他是VCAEC的产品和开发经理，并且在他为该组织工作的第九年。VCAEC最初是理事会的自愿服务，而Ely志愿者中心已合并。在正常的一年中，VCAEC将处理20,000至25,000个志愿者的时间，这给了支持社区的机会。去年由于大流行而有所不同。共同影响的影响是某些未产生的费用和一些额外的收入来源。当前的项目包括East Cambs汽车共享计划，该计划有25名志愿司机覆盖约125,000英里志愿者中心正在寻找机会来填补其他服务中的空白并吸引志愿者，他们接受了采访，以便可以与适当的组织进行匹配。
脑电图（EEG）中言语回忆和非回忆间隔的分类
脑机接口 (BCI) 研究已开始用于从脑电图 (EEG) 中识别语音想象过程中的回忆音节。目前，很难从 EEG 数据中识别出真实的回忆持续时间。因此，通常使用不准确的回忆数据（包括非回忆持续时间或通过视觉确定频谱轮廓标记的回忆部分）来识别回忆的音节。由于视觉音节标记耗时费力，因此希望区分正确的语音想象片段的过程能够自动化。在本文中，我们构建了由语音想象片段和非回忆片段组成的每个模型以获得真正的音节片段。我们通过视觉判断从带有音节标记的语音想象/非回忆数据中提取复倒谱，并使用这些特征识别语音想象/非回忆片段。最后，我们报告了通过 10 倍交叉验证的分类结果。
北京燕东微电子股份有限公司首次公开发行股票并在科创 ...
本次股票发行后拟在科创板市场上市，该市场具有较高的投资风险。科创板 公司具有研发投入大、经营风险高、业绩不稳定、退市风险高等特点，投资者面 临较大的市场风险。投资者应充分了解科创板市场的投资风险及本公司所披露的 风险因素，审慎作出投资决定。
东旺纳鲁区水资源管理战略
• 在规划过程的各个阶段考虑水资源，整合水和土地利用规划，保护重要价值并优化整个水循环结果。 • 减少饮用水需求，增加水的再利用，最大限度地提高用水效率，充分利用废水和收集水。 • 针对小雨（频繁）、轻微雨和大雨进行设计，旨在复制水在自然景观中的流动方式，注意当地的场地条件。 • 通过使用多种低成本的“系统内”管理措施来减少径流量和峰值流量，管理降雨事件以最大限度地减少整个集水区的径流。 • 保留和恢复自然排水系统的现有元素，包括水道、湿地和地下水特征、制度和过程，并通过多种用途走廊将这些元素融入城市景观，为生命和财产提供防洪保护。 • 通过实施适当的结构和非结构源控制，最大限度地减少污染物输入。 • 通过多用途走廊、街道景观、地块景观美化和将水管理措施融入景观（包括公共空间）来提高社会便利性，以提升视觉、娱乐、文化和生态价值，同时最大限度地降低开发成本。 • 解决与场地和周围环境相关的问题，其详细程度应与正在制定的规划决策相适应，并反映出问题的重要性程度以及对社区和环境可能造成的风险。
语音回忆过程中脑电图回忆间隔的估计
图4显示了使用20倍交叉验证估计每个受试者的回忆间隔的结果。在图 4 中，横轴是时间，纵轴是来自 5 个受试者的 200 个样本（总共 1000 个样本）的准确率。红框内是语音回忆部分。前文研究 [2] 中的方法（图 4 中的蓝线）的准确率在语音回忆片段之间下降到 0.2，而本文提出的方法（图 4 中的橙线）则达到了 0.8 的稳定准确率。 从这些结果可以看出，可以说所提出的方法对于估计回忆间隔是有效的。然而，当我们观察所提出的方法在语音回忆部分之外的准确度时，我们发现与以前的研究相比，该方法将语音回忆部分之外的部分估计为回忆率的情况更为常见。这被认为是由于大脑中噪音的影响。因此，我们旨在通过将增加的 10 个样本应用于所提出的方法来减少这种噪音。结果就是图4中的绿线。在保持回忆部分的准确度的同时，非回忆部分的准确度得到了提高。基于这些结果，我们研究了所提出方法的最佳添加次数。结果如图5所示。图 5 显示了所有受试者对每个加法数字的准确率。蓝线表示整个时间内的平均准确率，橙线表示回忆期间的最大准确率。横轴是添加的样本数量，纵轴是准确率。通过添加 sigma，回忆部分的准确率得到了提高，达到了约 90%。另外，10 次添加等于 1 个样本。
