XiaoMi-AI文件搜索系统
World File Search System学习率
用于自动编码器的可扩展变分量子电路 - ...
摘要 — 药物分子的从头设计被认为是一个耗时且昂贵的过程，并且计算方法已应用于药物发现流程的每个阶段。变分自动编码器是一种计算机辅助设计方法，它基于现有的分子数据集探索化学空间。量子机器学习已成为一种非典型学习方法，由于其强大的表达能力，可能会加速一些经典学习任务。然而，近期的量子计算机受到量子比特数量有限的困扰，这阻碍了高维空间中的表示学习。我们提出了一种可扩展的量子生成自动编码器（SQ-VAE），用于同时重建和采样药物分子，以及相应的原始变体（SQ-AE）以实现更好的重建。提出了混合量子经典网络中的架构策略，例如可调量子层深度、异构学习率和修补量子电路，以学习高维数据集，例如配体靶向药物。在选择合适的架构策略后，针对 8x8 和 32x32 等不同维度报告了大量实验结果。在所有实验中，将量子生成自动编码器的性能与相应的经典自动编码器进行了比较。结果表明，归一化的低维分子可以获得量子计算优势，并且量子生成自动编码器生成的高维分子在相同的学习期内具有更好的药物特性。索引术语 — 量子机器学习、变分自动编码器、药物发现
NeuroInsight：一种革命性的自适应框架，用于医学成像中精确的脑肿瘤分类，使用自适应深度学习
摘要 - 本研究提出了一个强大的脑肿瘤分类框架，首先是对 233 名患者的细致数据整理。该数据集包含各种 T1 加权对比增强图像，涵盖脑膜瘤、神经胶质瘤和垂体瘤类型。采用严格的组织、预处理和增强技术来优化模型训练。所提出的自适应模型采用了一种尖端算法，利用了自适应对比度限制直方图均衡化 (CLAHE) 和自适应空间注意。CLAHE 通过根据每个区域的独特特征调整对比度来增强灰度图像。通过注意层实现的自适应空间注意动态地为空间位置分配权重，从而增强对关键大脑区域的敏感性。该模型架构集成了迁移学习模型，包括 DenseNet169、DenseNet201、ResNet152 和 InceptionResNetV2，从而提高了其稳健性。 DenseNet169 充当特征提取器，通过预训练权重捕获分层特征。批量归一化、dropout、层归一化和自适应学习率策略等组件进一步丰富了模型的适应性，减轻了过度拟合并在训练期间动态调整学习率。技术细节（包括使用 Adam 优化器和 softmax 激活函数）强调了模型的优化和多类分类能力。所提出的模型融合了迁移学习和自适应机制，成为医学成像中脑肿瘤检测和分类的有力工具。它对脑肿瘤图像的细致理解，通过自适应注意力机制的促进，使其成为神经成像计算机辅助诊断的一项有希望的进步。该模型利用具有自适应机制的 DenseNet201，超越了以前的方法，实现了 94.85% 的准确率、95.16% 的精确率和 94.60% 的召回率，展示了其在具有挑战性的医学图像分析领域提高准确率和泛化的潜力。关键词：NeuroInsight、脑肿瘤分类、医学影像、自适应深度学习、自适应框架。1. 简介通过整合最先进的技术，特别是在深度学习领域，医学诊断领域经历了前所未有的进步。这一进步的一个显著例子是使用自适应深度学习进行脑肿瘤分期分类，这是一种新颖的方法，它不仅利用了深度学习的能力，而且还能动态适应脑肿瘤分期固有的复杂性，在诊断中呈现出更高的精确度和个性化水平。在医疗保健领域，脑肿瘤因其表现形式多样、严重程度各异而成为一项艰巨的挑战。传统的肿瘤分类方法经常难以准确描述肿瘤分期的细微细节。在此背景下引入自适应深度学习标志着一种范式转变，它赋予诊断过程一种自学习机制，该机制会随着遇到的每个数据集不断发展和完善自身[1] – [4]。这种开创性方法的基础要素是一种先进的深度学习算法，其特点是动态和自适应性。自适应深度学习方法与典型的深度学习模型不同，它不断修改其参数以响应输入数据的独特特征，而不是依赖于固定的、预定的架构。这种自适应能力确保了对与脑肿瘤分期相关的复杂性的更细致入微和针对具体情况的理解[5] – [7]。
![arXiv:2105.10162v3 [quant-ph] 2021 年 12 月 25 日](/simg/g:\will\search\icon\source\5\5856edd5a261babab8a2d40487896d68bbcc74bb.webp)
arXiv:2105.10162v3 [quant-ph] 2021 年 12 月 25 日
在量子计算中，变分量子算法 (VQA) 非常适合在从化学到金融的特定应用中寻找事物的最佳组合。使用梯度下降优化算法训练 VQA 已表现出良好的收敛性。在早期阶段，在嘈杂的中型量子 (NISQ) 设备上模拟变分量子电路会受到噪声输出的影响。就像经典的深度学习一样，它也受到消失梯度问题的影响。研究损失景观的拓扑结构，在消失梯度存在的情况下可视化这些电路的曲率信息和可训练性是一个现实的目标。在本文中，我们计算 Hessian 并可视化变分量子分类器在参数空间中不同点的损失景观。解释了变分量子分类器 (VQC) 的曲率信息并展示了损失函数的收敛性。它有助于我们更好地理解变分量子电路的行为，从而有效地解决优化问题。我们在量子计算机上通过 Hessian 研究了变分量子分类器，从一个简单的 4 位奇偶校验问题开始，深入了解 Hessian 的实际行为，然后彻底分析了 Hessian 的特征值在训练糖尿病数据集的变分量子分类器时的行为。最后，我们展示了自适应 Hessian 学习率如何影响训练变分电路时的收敛。
已发布版本 (APA) 引用：Asif, AR、Waris, A.、Gilani, SO、Jamil, M.、Ashraf, H.、Shafique, M. 和 Niazi, IK (2020)。性能特点
摘要：肌电图 (EMG) 是肌肉收缩产生的电活动的量度。基于非侵入性表面肌电图 (sEMG) 的模式识别方法已显示出上肢假肢控制的潜力。然而，它仍然不足以进行自然控制。深度学习的最新进展表明生物信号处理取得了巨大进步。已经提出了多种架构，可为离线分析提供高精度 (> 95%)，但由于系统优化而导致的延迟仍然是实时应用的挑战。由此产生了对基于微调超参数的优化深度学习架构的需求。尽管实现收敛的机会是随机的，但重要的是要注意，所获得的性能提升足以证明额外的计算是合理的。在本研究中，我们利用卷积神经网络 (CNN) 解码 18 位受试者记录的 sEMG 数据中的手势，以研究超参数对每个手势的影响。结果表明，将学习率设置为 0.0001 或 0.001，并进行 80-100 次训练，其效果显著优于其他考虑因素 (p < 0.05)。此外，我们还观察到，无论网络配置如何，某些动作（握紧手、屈手、伸手和细握）在整个研究过程中表现更好（分别为 83.7% ± 13.5%、71.2% ± 20.2%、82.6% ± 13.9% 和 74.6% ± 15%）。因此，可以根据表现最佳的手部动作设计出稳健稳定的肌电控制。随着识别能力的提高和性能的统一提升，基于深度学习的方法有可能成为传统机器学习算法的更强大的替代方案。
练习和经验，ISSN 1895-1767，http：//www.scpe ...
摘要。在电子学习的到来时，了解学生的参与和反应对于提高教育质量和提高学习率至关重要。随着计算机视觉技术的发展，有一个很大的机会以非侵入性的方式分析和解释学生反应。本研究提出了一个新型框架，该框架采用了更快的R-CNN与Densenet架构集成的速度，以实时检测电子学习课程。所提出的方法利用了更快的R-CNN在生成对象检测任务的高质量区域建议方面的强度，再加上Densenet在特征传播方面的效率和参数数量的减少，这非常适合处理面部表情中的复杂模式。我们的方法始于更快的R-CNN以高准确性和降低计算成本提取潜在面部区域。将densenet作为骨干的集成在更快的R-CNN中大写，其密集连接的卷积网络大写，从而确保网络中层之间的最大信息流。这样做，该系统变得异常擅长识别表明学生反应（例如混乱，参与或无聊）的面部特征的细微变化。我们使用各种电子学习相互作用的数据集进行了一系列实验，该数据集在各种照明条件下收集，并涉及多种种族，以确保鲁棒性和概括性。该模型在此数据集上进行了训练和验证，结果表明，与现有方法相比，学生反应的检测率有显着提高。
在压力下基于虚拟现实的紧急响应学习期间对大脑动态进行建模
摘要背景：压力会影响训练期间的学习，而基于虚拟现实（VR）操纵压力可以改善手工犯人的保留和检索性能。使用功能性近红外光谱（FNIRS）的大脑成像可以促进基于VR的自适应训练系统的发展，这些训练系统可以不断评估受训者的学习和认知状态。目的：本研究的目的是在基于VR的紧急响应训练中对与学习和检索相关的神经动态进行建模。方法：40名饲养员在VR中接受了紧急关闭训练，并随机分配给对照组或压力组。压力群体经历了压力源，包括烟雾，爆炸和爆炸阶段。两组都进行了应力记忆检索和无压力记忆检索条件。参与者的性能得分，基于FNIRS的神经活动以及前额叶皮层（PFC）和运动区域之间的功能连通性用于训练和检索阶段。结果：性能得分表明，与对照组相比，压力组的学习率较慢，但是在每个检索条件下，这两个组的表现都相似。与对照组相比，应力组表现出抑制的PFC激活。然而，在训练期间以及在检索阶段期间，PFC区域以及PFC和运动区域之间显示出更强的连通性。讨论：虽然训练期间的压力受损，但采用压力自适应神经策略（即更强的大脑连接性）与回收阶段的压力和对照组之间的可比性能相关。
采用深度梯度卷积神经网络进行基于眼动追踪信号的情感分类
利用生物医学信号作为计算人类情感状态的基础是情感计算（AC）的重要问题。随着对情感信号研究的深入，多模型认知与生理指标的结合、动态完整数据库的建立以及高科技创新产品的加入成为AC的最新趋势。本研究旨在开发一种深度梯度卷积神经网络（DGCNN），用于利用眼动追踪信号进行情感分类。首先应用通用信号处理工具和预处理方法，例如卡尔曼滤波器、汉明窗、短时傅里叶变换（SIFT）和快速傅里叶变换（FTT）。其次，将眼动和追踪信号转换为图像。随后应用基于卷积神经网络的训练结构；实验数据集是通过眼动追踪设备通过分配16名参与者的四种情感刺激（紧张、平静、快乐和悲伤）获得的。最后，使用真阳性率 (TPR) 和假阴性率 (FPR) 指标将 DGCNN 与决策树 (DT)、贝叶斯高斯模型 (BGM) 和 k-最近邻 (KNN) 的性能进行比较。最后还部署了自定义小批量、损失、学习率和梯度定义以用于深度神经网络的训练结构。预测分类矩阵显示了所提出方法对眼动和跟踪信号的有效性，其准确率超过 87.2%。这项研究为通过眼动和跟踪信号寻找更自然的人机交互提供了一种可行的方法，并且在情感产品设计过程中具有潜在的应用价值。
ODL-BCI：通过超参数调整对学生注意力进行分类的脑机接口最佳深度学习模型
摘要 — 脑机接口 (BCI) 研究在教育领域引起了关注，它为监测和提高学生的认知状态提供了潜力，本研究的重点是开发一种最佳深度学习模型 ODL-BCI，用于实时分类学生的注意力水平。该模型结合了超参数调整技术，并利用了公开的“困惑的学生 EEG 脑波数据”数据集。我们提出了一种通过贝叶斯优化优化超参数的深度学习模型。该模型的架构由一个输入层、几个隐藏层和一个输出层构成。隐藏层中的节点数和激活函数是使用贝叶斯优化确定的。每一层的学习率也进行了优化。在 EEG 混淆数据集上，对所提出的模型进行了评估，并与几种标准机器学习分类器进行了比较，包括决策树、AdaBoost、Bagging、MLP、朴素贝叶斯、随机森林、SVM 和 XG Boost。实验结果表明，优化后的深度学习模型优于所有其他分类器，准确率达到 74%。该模型在准确分类学生注意力水平方面的有效性凸显了其作为教育环境中宝贵工具的潜力。这项研究促进了 BCI 技术的进步，为基于 EEG 的认知评估的深度学习模型的优化提供了见解。未来的工作包括探索该模型在更大数据集上的通用性，并将其适用性扩展到其他 BCI 应用程序。
识别运动想象脑机接口中各种用户状态和特征的最佳偏置反馈
摘要 — 目的。神经自我调节对于实现对脑机接口 (BCI) 的控制必不可少。这可能是一个艰苦的学习过程，尤其是对于运动想象 BCI。提出了各种训练方法来帮助用户完成 BCI 控制并提高绩效。值得注意的是使用有偏反馈，即非现实的表现表现。有偏反馈对表现和学习的好处因用户而异（例如取决于他们最初的 BCI 控制水平）并且仍是推测性的。为了理清这些推测，我们调查了哪些性格类型、初始状态和校准性能 (CP) 可以从有偏反馈中受益。方法。我们进行了一项实验（n=30，进行 2 次实验）。提供给每个组（n=10）的反馈要么是正面的、负面的，要么是无偏的。结果。统计分析表明，偏见与：1）工作量、2）焦虑和 3）自我控制之间的相互作用会显著影响在线表现。例如，较低的初始工作量加上负面偏见与没有任何偏见（69%）相比，峰值性能（86%）更高。无论偏见如何，高焦虑都与表现呈负相关（60%），而低焦虑与负面偏见最为匹配（76%）。对于低 CP，学习率（LR）仅在短期内（LR=2%）随着负面偏见而增加，因为在第二个会话期间它会严重下降（LR=-1%）。结论。我们揭示了上述人为因素与偏见之间的许多相互作用。此外，我们使用预测模型来确认和揭示更多的相互作用。意义。本文是朝着确定人格类型、状态和 CP 的最佳偏见反馈迈出的第一步，以最大限度地提高 BCI 性能和学习。
使用触觉反馈的盲文学习-Jason Forsyth的
摘要 - 学习盲文可能会对盲人儿童的发展产生重大影响。盲文使视觉障碍的学生能够通过写作进行交流，而不是完全失去这种交流方法，使他们能够发展独立性，学习强大的阅读和写作技巧，并挑战学生参加更多的社交和教育活动。超出了孩子的需求，父母需要学习盲文与孩子开会，以减轻孩子的孤立感。学习盲文需要时间来掌握，这是视觉障碍儿童的父母的有限资源。但是，我们的研究通过减少时间负担来改变这一人群的生活，探讨了被动性触觉学习来改善父母的盲文学习系统。该研究旨在了解被动触觉学习对学习盲文时学习率，熟练程度和召回率的影响。使用可穿戴的触觉手套，该手套指示用户应按下的壁板机上哪些键，我们将评估这种方法的功效。进行了一项用户研究，以确定触觉振动是否有助于比记住盲文系统更有效学习。用户研究涉及一系列学习盲文字母和单元格的抽认卡，并结合了在模拟的brailling机器上的测试，以确保用户可以键入正确的字母。一些参与者在打字阶段收到了触觉反馈，而另一些参与者则进行了研究，没有触觉反馈。参与者的准确性，速度和召回在后续课程中进行了测量。索引术语 - 光线，盲文，学习