XiaoMi-AI文件搜索系统
World File Search System噪声通道
覆盖您的基础：如何最大程度地减少DNA存储系统中的测序覆盖范围
尽管与DNA测序相关的费用正在迅速降低，但测序信息的当前成本约为每GB $ 120，这比当今现有的档案存储解决方案中阅读时要昂贵。在这项工作中，我们旨在通过启动DNA覆盖深度问题的研究来减少DNA存储的延迟，旨在减少所需数量的读数以从存储系统中检索信息。在此框架下，我们的主要目标是了解纠错代码和检索算法对所需测序覆盖深度的影响。我们确定，当频道遵循统一分布时，将信息检索所需的预期读数数量最小化。，我们还针对此所需读数的概率分布得出了上限和下限，并在其期望值上提供了全面的上和下限。我们进一步证明，对于无噪声通道和均匀分布，MDS代码在最小化预期读数方面是最佳的。此外，我们研究了随机访问设置下的DNA覆盖深度问题，其中用户的目的是从整个DNA存储系统中检索一个特定的信息单元。我们证明，对于[n，k] MDS代码以及其他代码家庭，预期的检索时间至少为k。此外，我们提出了明确的代码构造，这些构建体达到K以下的预期检索时间，并通过分析方法和仿真评估其性能。最后，我们提供最大预期检索时间的下限。我们的发现为减少DNA存储的成本和延迟提供了宝贵的见解。
© 英国计算机学会 2021。保留所有权利。如需获取许可，请发送电子邮件至：journals.permissions@oup.com doi：10.1093/comjnl/bxaa175 Hyb
本研究开发了一种从脑电图 (EEG) 信号中去除眼部和肌肉伪影的新型混合方法，即 EFICA-TQWT。它是高效快速独立分量分析 (EFICA) 方法与可调 Q 因子小波变换 (TQWT) 的结合。本文的主要贡献是在滤波系统中应用 3D 插值方法。本研究使用了三个 EEG 数据集，两个健康数据集和一个癫痫数据集。每个数据集的受试者选择都是在生理学专家的帮助下完成的。采用的选择标准是处理后的记录中是否存在肌肉和眼部伪影。首先，使用具有径向基函数的支持向量机 (SVM) 对噪声通道进行自动分类，以便从每个 EEG 记录中删除与最嘈杂通道相对应的信号。将 SVM 的自动分类结果与专家分类的结果进行了比较。 SVM 分类的准确率为 97.45%，灵敏度为 86.66%，特异性为 100%。将对每个受试者的国际 10/20 系统的其余 EEG 通道应用混合伪影去除方法。然后，对消除的通道信号进行重建，以获得滤波良好的信号。通过计算均方误差 (MSE) 和信噪比 (SNR) 来评估所提出的滤波过程。针对健康和病理 EEG 数据集，对所提出的方法 (EFICA-TQWT) 和其他滤波技术 (Fast-ICA、DWT、TQWT 和 EFICA) 进行了比较研究。EFICA-TQWT 方法给出了最佳结果，MSE 最小，SNR 最大，尤其是在应用 3D 插值方法的情况下。此外，为了优化所提系统的计算时间，采用计算统一设备架构，基于图形处理单元开发了该过滤系统的并行实现。