XiaoMi-AI文件搜索系统
World File Search System均方误差
食物
摘要：作为具有巨大经济价值的成分，Matsutake已受到广泛关注。然而，其中重金属残留物和防腐剂会影响甲状腺肿的毛毛和危害消费者健康的质量。在这里，我们提出了一种基于表面增强的拉曼光谱（SERS）和荧光（流感）光谱的方法，用于同时检测低浓度的山梨酸钾和铅毛的铅和铅。数据融合策略与多种机器学习方法相结合，包括部分最小二乘回归（PLSR），深森林（DF）和卷积神经网络（CNN）进行模型培训。结果表明，基于决策水平融合的CNN预测模型结合了最佳性能，将相关系数（r 2）提高到0.9963和0.9934，并且根平均方误差（RMSE）被减少到0.0712 g·kg - kg-1和0.0712 g·k-1和0.0712 g·k-1和0.0795 m g。本文提出的方法准确地预测了Matsake中剩余的防腐剂和重金属，并为其他食品安全测试提供了参考。
![arXiv:2210.11373v2 [eess.SP] 2022 年 10 月 24 日](/simg/g:\will\search\icon\source\8\816abd8208fcdfc1a97e85f4cf500e49710f7c27.webp)
arXiv:2210.11373v2 [eess.SP] 2022 年 10 月 24 日
智能反射面 (IRS) 是一种数控超表面，包含大量无源反射元件。通过重新配置每个元件的反射系数，IRS 可以控制无线信道，以提高通信系统的覆盖范围和容量 [1–3]。然而，要通过 IRS 增强信道特性，获取准确的信道状态信息是不可避免的。因此，在本文中，我们通过利用固有信道结构来解决 IRS 辅助多输入多输出 (MIMO) 系统的上行信道估计问题。相关工作：早期关于 IRS 辅助通信系统的信道估计工作主要集中于非结构化信道模型 [4]，采用最小二乘或线性最小均方误差估计器 [5]。然而，在较高频段（例如毫米波或太赫兹频段），移动站 (MS)-IRS 和 IRS-基站 (BS) 信道在角域中都表现出很强的稀疏性 [5]。这一观察结果促使 IRS 辅助信道估计算法探索信道的固有稀疏性，从而减少导频开销 [5]。最近的估计器通过考虑额外的
FEMA：针对大样本全脑成像数据的快速高效混合效应算法
图 1 分箱对固定效应参数估计的均方误差 (MSE) 的影响。我们模拟了 2000 个具有 5 个固定效应（10,000 个观测值）的成像变量。然后，使用 20 个不同的箱值，我们使用 FEMA 估计参数并计算参数估计的平均（超过 50 次重复）平方误差。面板 (a) 中的黑色虚线表示五个固定效应中的每一个的总 MSE（跨 2000 个成像变量），而橙色实线表示五个固定效应的总 MSE 的平均值。我们观察到最小总 MSE 在箱值为 100（由绿线表示）时，而箱值为 20（由紫线表示）显示出可比的 MSE；面板 (b) 显示每个箱值所需的计算时间（跨 50 次重复取平均值）；箱值为 20（紫线）的计算时间是箱值为 100（绿线）所需计算时间的一小部分。请注意，两个面板的 x 轴都是非线性的。
一种基于量子行走和混沌的高安全图像加密方案
摘要：随着第四代（4G）和第五代（5G）等通信技术的革命性进步，过去几十年来多媒体数据共享的使用急剧增加。研究人员提出了许多基于经典随机游走和混沌理论的图像加密算法，以便以安全的方式共享图像。本文提出用量子游走代替经典随机游走来实现高图像安全性。经典随机游走由于状态间的随机转换而表现出随机性，而量子游走则更具随机性，并通过波函数的叠加和干涉实现随机性。使用相关系数、熵、直方图、时间复杂度、像素变化率和统一平均强度等广泛安全指标对所提出的图像加密方案进行了评估。所有实验结果均验证了所提出的方案，并得出结论：所提出的方案具有高度安全性、轻量级和计算效率。在所提出的方案中，相关系数、熵、均方误差（MSE）、像素数变化率（NPCR）、统一平均变化强度（UACI）和对比度的值分别为0.0069、7.9970、40.39、99.60%、33.47和10.4542。
微填料预测LSTM和ANN ...
微度是一种无意的，瞬态的意识丧失，与睡眠相关，持续到15秒。脑电图（EEG），记录已广泛用于诊断和研究各种神经系统疾病。这项研究分析了时间序列EEG信号，以使用两个深度学习模型来预测微渗：长期术语记忆（LSTM）和人工神经网络（ANN）。调查结果表明，ANN模型在微填料预测中实现了出色的指标，在关键性能指标中的表现优于LSTM。该模型表现出了出色的性能，如散点图，R2分数，平均绝对误差（MAE），均方误差（MSE）和根平方误差（RMSE）的结果所证明的。与LSTM模型相比，在两个模型之间，ANN模型在两个模型之间达到了最重要的R2，MAE，MSE和RMSE值（0.84、1.10、1.90和1.38）。这项研究的关键贡献在于其开发全面有效的方法，以准确预测来自EEG信号的微度事件。
使用优化的1D CNN的智能天气预测模型与Gru
影响人类生计的主要因素之一是天气事件。造成森林火灾，高空温度和全球变暖的高天气灾难，导致干旱。需要采取有效，准确的天气预报方法来针对气候灾难采取措施。因此，设计一种可以做出更好天气预测的方法很重要。这项工作提出了一个优化的深度学习模型，即1D卷积神经网络（CNN），其注意力门控复发单元（GRU）模型，可用于可靠的天气预测。也就是说，要捕获天气数据的局部特征，使用了1D CNN，并捕获天气数据的时间特征，使用了优化的GRU。注意机制用于改善性能，而GRU的超参数通过自适应野马算法（AWHA）进行了优化。这项工作考虑了具有14个参数的Jena气象数据库，并为不同的预测度量进行了比较分析。提出的天气预测模型达到了更好的均方误差（MSE）和均方根（RMSE）值。
绿色能源机器学习和人工智能服务回顾
摘要：随着绿色人工智能 (AI) 技术成为一种有前途的技术，市场和社会对绿色人工智能 (AI) 技术的需求日益增长。绿色人工智能技术用于创造可持续的解决方案并减少人工智能对环境的影响。本文重点介绍绿色人工智能的服务及其在社区层面面临的挑战。本文还重点介绍了不同时间段的机器学习算法的准确度水平。本文概述了选择适合天气、位置和复杂性的输入参数的过程，以检查 ML 算法。为了校正算法性能参数，考虑了 RMSE（均方根误差）、MSE（均方误差）、MAE（平均绝对误差）和 MPE（平均百分比误差）等指标。考虑到本篇评论的性能和结果，LSTM（长短期记忆）在大多数情况下表现良好。本文得出结论，高度先进的技术大大提高了预测准确性。最后，为进一步的研究、需求和挑战添加了一些指导方针。然而，仍然需要更多的解决方案来应对挑战，主要是在电力存储领域。
使用 DCT、增量调制和双移位的比较研究
摘要 存储、传输和处理高维脑电图 (EGG) 信号是一项关键挑战。EEG 压缩的目标是去除 EEG 信号中的冗余数据。EEG 等医学信号必须具有高质量才能用于医学诊断。本文使用基于离散余弦变换 (DCT) 和双移位编码的接近零均方误差 (MSE) 的压缩系统来实现快速高效的 EEG 数据压缩。本文研究并比较了对变换和量化的输入信号应用或不使用增量调制的情况。在将输出映射到正值后应用双移位编码作为最后一步。使用来自 CHB-MIT 头皮 EEG 数据库的 EEG 数据文件测试系统性能。压缩比 (CR) 用于评估压缩系统性能。与以前对相同数据样本的研究相比，结果令人鼓舞。关键词：EEG、压缩、DCT、双移位编码、增量调制、映射到正值、直方图、压缩比。巴塞特莫尔 巴塞特莫尔 巴塞特莫尔 阿尔莫尔 莫尔
基于快速 Walsh Hadamard 变换和投票分类器的 EEG 信号压力检测
摘要 精神压力目前是一个重大问题，尤其是在年轻人中。压力会对人们的整体工作表现产生不利影响，在某些情况下甚至会导致严重的健康问题。每个人在生活中都会经历压力。本文提出了一种基于脑电图 (EEG) 识别和分类压力水平的独特方法。在这项工作中，快速 Walsh Hadamard 变换用于生成 EEG 信号中存在的所有频率。在后续阶段计算索引值的 alpha、beta、gamma 和 delta 范围。主成分分析 (PCA) 用于特征降维，然后是标准缩放器。使用 Welch 方法计算了健康和不健康 EEG 信号组的 PSD 向量。PSD 向量用作投票分类器的输入，该分类器是 k-NN 和逻辑回归分类器的组合。实验结果发现，与现有方法相比，所提出的方法在准确度 (Acc) 和均方误差 (MSE) 方面提供了更好的结果。所提出的方法最高分类准确率达到 94.22%
采用非线性自回归外生模型的可穿戴 sEMG 传感器多自由度假手指关节控制器
摘要：手臂、手和指尖的活动功能和感觉信息的丧失妨碍了患者的日常生活活动 (ADL)。现代仿生假手可以弥补失去的功能并实现多自由度 (DoF) 运动。然而，由于传感器有限和缺乏稳定的分类算法，市售的假手通常具有有限的自由度。本研究旨在提出一种通过表面肌电图 (sEMG) 估计手指关节角度的控制器。用于训练的 sEMG 数据是使用商用 EMG 传感器 Myo 臂带收集的。提取时域中的两个特征并将其输入到具有外生输入的非线性自回归模型 (NARX) 中。使用 Levenberg-Marquardt 算法对 NARX 模型进行预选参数训练。与目标相比，模型输出的回归相关系数 (R) 在所有测试对象中均大于 0.982，信号范围为 [0, 255] 的任意单位时均方误差小于 10.02。研究还表明，所提出的模型可用于日常生活运动，具有良好的准确性和泛化能力。