XiaoMi-AI文件搜索系统
World File Search System均方根值
用于临床研究的 T1 加权脑部 MRI 扫描的自动质量控制：方法比较和质量预测分类器的设计
不均匀对比度评分 (ICR) 优化 WM 段内的全局标准偏差，并通过最小问题对比度进行缩放；从 A+（质量优秀到 F 不可接受/质量失败）评分 均方根分辨率 (RES) 体素大小的均方根值；从 A+（质量优秀到 F 不可接受/质量失败）评分 加权平均图像质量评分 (IQR)
Josephson任意波形合成器作为测量失真信号谐波相位的参考标准
基频为 60 Hz、均方根值为 0.158 V 的失真波形。这些精确失真的波形包含第 3、5、7、9、11、23、31 和 39 次谐波。选择这些谐波是出于以下两个方面的考虑：(a) 使用电力系统中常见且在电能质量文献标准中引用的谐波；(b) 保持谐波相对于频谱分析本底噪声的信噪比足够高，以使相位分辨率优于 0.001 。相对于基波，每个谐波的幅度为 10%，相位为 90 。首先使用 Digitizer1 测量包含基波和上述谐波之一的波形，然后测量包含基波和上述所有谐波的波形（图 2）。两组测量结果之间的差异不超过 0.001 。
高能千瓦级激光系统中的光束整形 - ...
摘要 在高能千瓦平均功率纳秒激光系统 Bivoj 中实现了一种基于硅空间光调制器上液晶的全自动故障安全光束整形系统。整形系统可校正系统前端的增益不均匀性和波前像差。通过整形，成功改善了前端输出处的光束强度分布和波前。由光束质量参数定义的光束均匀性提高了两到三倍。波前的均方根值提高了 10 倍以上。因此，来自第二个前置放大器的整形光束导致第一个主低温放大器输出处的光束轮廓得到改善。整形系统还能够创建非普通光束形状、在光束中印记交叉引用或屏蔽光束的某些部分。
R&S News 158 - 罗德与施瓦茨
双通道波形分析仪是复杂测量的关键设备。它可以以高达 10 MHz 的采样率测量电压和电流，并确定直流平均值、均方根值或峰值（高达 500 V 和 1 A）。与时间相关的测试参数包括频率、周期、时间间隔、脉冲宽度、占空比、上升和下降时间。可以从轨迹中确定事件（边缘、相对最大值/最小值）的数量和时间，也可以将轨迹与容差模板进行比较（图 3）。虽然传统的存储示波器基本上是为交互式视觉评估而开发的，但 AMV 的波形分析仪是为生产环境中的自动化、可重复测试而设计的。由于具有全面的触发功能，因此只有感兴趣的跟踪段会首先保存在 64 K 内存中，然后搜索所需的标准。通过预设的评估触发阈值和滞后，可以从受噪声或干扰损害的信号中清楚地确定实际事件，而不会将任何波动误解为最大值（图 4）。这些评估在 DSP 控制下的测试单元中以最佳速度运行。因此省去了耗时的跟踪下载。
您将再次掌握：脊髓/计算机与保留的运动神经元的直接接口可恢复慢性脊髓损伤后瘫痪手的灵巧控制
图 1 | a. 实验装置由放置在前臂肌肉中的 320 个表面 EMG 电极组成。运动指令由受试者前方的显示器上显示的虚拟手视频引导。b. 一些示例电极显示受试者尝试抓握任务（手指屈伸，0.5Hz）时的原始 HDsEMG 信号。c. 基于运动单元动作电位均方根值的空间映射示例。d. 在两指捏合任务的 10 秒内识别的运动单元激发（颜色编码）的光栅图。e. 使用因式分解分析为同一任务提取的神经模块。f. 具有两个神经模块的各个运动单元的 Pearson 相关值 (r)。g. 在所有任务和受试者中识别的运动单元 (MU) 数量（每个点代表一个受试者）。h. 两个神经模块（M1 - 蓝色和 M2 - 红色）解释方差的百分比，在所有受试者中平均。
结构疲劳裂纹长度估算和... - PHM 协会
本文介绍了“Angler”团队为 2019 年 PHM 大会数据挑战赛开发的方法。该挑战赛旨在使用当前载荷循环下的超声波信号估计某种铝结构的疲劳裂纹长度，并尽可能准确地预测未来多个载荷循环下的裂纹长度（多步预测）。为了估计裂纹长度，从超声波信号中提取了四个裂纹敏感特征，即第一个峰值、均方根值、峰度对数和相关系数。提出了一个集成线性回归模型来映射这些特征及其与裂纹长度的二阶相互作用。采用最佳子集选择方法来选择最佳特征。为了预测裂纹长度，推导出巴黎定律的变体来描述裂纹长度与载荷循环次数之间的关系。使用遗传算法学习巴黎定律的材料参数和应力范围。这些参数将根据上一步预测的裂纹长度进行更新。然后，预测了恒幅荷载工况或变幅荷载工况下未来荷载循环次数对应的裂纹长度。根据数据挑战赛委员会提供的分数计算规则，本文提出的方法获得了 16.14 分，在所有参赛队伍中排名第三。
使用深度实时语音情感识别...
在人与人之间的互动中，检测情绪通常很容易，因为它可以通过面部表情、肢体动作或言语来感知。然而，在人机交互中，检测人类情绪可能是一个挑战。为了改善这种互动，出现了“语音情绪识别”一词，其目标是仅通过语音语调来识别情绪。在这项工作中，我们提出了一种基于深度学习方法和两种高效数据增强技术（噪声添加和频谱图移位）的语音情绪识别系统。为了评估所提出的系统，我们使用了三个不同的数据集：TESS、EmoDB 和 RAVDESS。我们采用了多种算法，例如梅尔频率倒谱系数 (MFCC)、零交叉率 (ZCR)、梅尔频谱图、均方根值 (RMS) 和色度，以选择最合适的代表语音情感的声音特征。为了开发我们的语音情感识别系统，我们使用了三种不同的深度学习模型，包括多层感知器 (MLP)、卷积神经网络 (CNN) 和结合 CNN 与双向长短期记忆 (Bi-LSTM) 的混合模型。通过探索这些不同的方法，我们能够确定最有效的模型，用于在实时情况下从语音信号中准确识别情绪状态。总体而言，我们的工作证明了所提出的深度学习模型的有效性，
使用深度学习和数据增强实现实时语音情感识别
在人与人之间的互动中，检测情绪通常很容易，因为可以通过面部表情、肢体动作或语音感知到情绪。然而，在人机交互中，检测人类情绪可能是一项挑战。为了改善这种互动，出现了“语音情绪识别”一词，目的是仅通过语音语调识别情绪。在这项工作中，我们提出了一种基于深度学习方法和两种高效数据增强技术（噪声添加和频谱图移位）的语音情绪识别系统。为了评估所提出的系统，我们使用了三个不同的数据集：TESS、EmoDB 和 RAVDESS。我们采用了多种算法，例如梅尔频率倒谱系数 (MFCC)、零交叉率 (ZCR)、梅尔频谱图、均方根值 (RMS) 和色度，以选择最合适的代表语音情绪的声音特征。为了开发我们的语音情感识别系统，我们使用了三种不同的深度学习模型，包括多层感知器 (MLP)、卷积神经网络 (CNN) 和将 CNN 与双向长短期记忆 (Bi-LSTM) 相结合的混合模型。通过探索这些不同的方法，我们能够确定最有效的模型，以便在实时情况下从语音信号中准确识别情绪状态。总的来说，我们的工作证明了所提出的深度学习模型的有效性，
选择神经尖峰检测的有效幅度阈值
脑机接口正在利用细胞外记录中的神经尖峰波形或尖峰时间实现重要的新功能 [1]，[2]。尖峰检测是从记录中提取神经尖峰的重要步骤。它不仅可以提取用于神经活动解码的信息，还可以将数据带宽减少数百甚至数千倍，从而实现无线传输并实现完全植入神经接口而无需经皮导线突破皮肤。尖峰检测性能对于保存神经信息和避免解码精度下降至关重要。阈值是尖峰检测的最常用方法，超过阈值的值被视为尖峰。面对不断变化的大脑环境，自适应且稳健的阈值至关重要。文献中提出了许多用于定义阈值的算法。一种方法是使用计算算法 [3]，[4]，例如短时傅立叶变换、小波变换和模板匹配。还有一些算法方法，例如反馈控制阈值 [5]。最常见的方法是根据信号统计数据设置阈值。噪声统计数据被广泛用于设置阈值。还提出了一种硬件高效估计方法，使用乘数将平均值/中位数/标准差/均方根值设置为阈值 [6]。其他人选择使用稳健统计估计来设置阈值 [7]。将阈值设置为 T = αN ，其中 N 是噪声统计数据，α 是用户定义的参数，这是设置阈值的常用方法 [8]。由于其简单性，这种方法在植入体实施中尤其受欢迎 [9]。然而，这种算法的自适应性
仅进行审查
目标。评估计算机辅助设计和计算机辅助制造（CAD-CAM）的咬合表面上的体积变化（CAD-CAM）咬合设备在咬合调整后完全数字工作流程制造的咬合设备，与用模拟工作流制造的设备相比。材料和方法。这项临床试点研究中包括了八名参与者，并接受了两个不同的咬合设备，这些设备由两个不同的工作流程制造，即完全模拟和完全数字化。在咬合调整之前和之后，扫描了每个咬合设备，以使用反向工程软件程序比较体积更改。此外，三名独立评估者使用视觉模拟量表和二分法评估评估了半定量和定性比较。进行了shapiro-wilk检验以验证正态分布假设，并使用对配对变量的依赖性t-student检验来确定统计上显着的差异（p值<0.05）。结果。从咬合设备的3维（3D）分析中提取均方根值。类似技术（0.23±0.10mm）的根平均值比数字技术（0.14±0.07mm）高，但是两种制造技术之间的差异在统计学上没有统计学意义（配对T-Student测试； P = 0.106）。与其他评估器相比，评估器3的数字（5.08±2.4）和类似物（3.80±3.3）技术之间的半定量视觉模拟量表值（5.08±2.4）和类似物（3.80±3.3）技术是显着的（p <0.001），评估器3的差异值在统计上显着差异值（p <0.05）。然而，三位评估者在62％的案件中就定性二分法评估达成了一致，至少两名评估者在100％的评估中达成了一致。结论。在完全数字工作流程后制造的咬合设备会导致咬合调整较少，因为它们可能是模拟工作流程后制造的咬合设备的有效替代方法。临床意义。在完全数字工作流程后制造的咬合设备可能比模拟工作流具有一些优势，例如减少置次调整，这可能会导致椅子的时间减少，从而增加患者和临床医生的舒适度。