XiaoMi-AI文件搜索系统
World File Search System差异性
通过迁移学习和可穿戴脑电图技术提高脑机接口的性能、校准时间和效率
摘要 — 脑机接口 (BMI) 已成为辅助技术的变革力量，通过实现设备控制和促进功能恢复，为运动障碍患者提供了帮助。然而，持续存在的会话间差异性挑战带来了重大障碍，每次使用时都需要耗时的校准。除此之外，当前设备的低舒适度进一步限制了它们的使用。为了应对这些挑战，我们提出了一种综合解决方案，将基于 CNN 的微型迁移学习 (TL) 方法与舒适的可穿戴 EEG 头带相结合。这种新型可穿戴 EEG 设备在头带上放置了柔软的干电极，并能够进行机载处理。我们获取了多个会话的运动 EEG 数据，并使用 TL 实现了高达 96% 的会话间准确度，大大缩短了校准时间并提高了可用性。通过每 100 毫秒在边缘执行一次推理，该系统估计可实现 30 小时的电池寿命。舒适的 BMI 设置配有微型 CNN 和 TL，为未来的设备持续学习铺平了道路，这对于解决会话间差异和提高可用性至关重要。索引术语 — 脑机接口、EEG、可穿戴医疗保健、可穿戴 EEG、深度学习、迁移学习
心理评论 - 注意力与工作记忆实验室
当今大多数心理学家对“智力”一词的理解本质上是一个差异性概念。最广为接受的智力结构描述是赫布-卡特尔-霍恩-卡罗尔（HCHC）模型（Brown，2016；Carroll，1993；McGrew，2009；见图 1），该模型将智力归因于一个层次结构。在最低层次上，特定技能和狭义的认知能力可能会对不同的认知任务产生影响。在第二层次上，更具普遍性的广义能力因素有助于解释为什么某些任务彼此之间的关联比与其他任务的关联更紧密。这些广义的能力是相关的，这种常见的、任务一般性的变异性在该模型层次结构的顶端表示为一般智力，通常表示为 g 或 g 因子。 g 因子解释了为什么所有认知任务都倾向于相互关联，这种模式被称为正流形（Carroll，1993；McGrew，2009）。尽管人们对智力结构有着广泛的共识，但对于导致智力个体差异的因果因素，人们的看法却不太一致。智力差异的一个主要解释是人们完成基本认知操作的速度不同，这被称为信息处理速度或处理速度。另一个可能的解释是执行注意力或避免分心、集中注意力和保持注意力的能力不同，有时也称为“认知控制”或“执行功能”。
切线空间对齐：脑机接口的迁移学习...
受试者之间和会话之间的脑电图 (EEG) 统计差异是脑机接口 (BCI) 领域面临的一个常见问题。这种差异阻碍了预先训练的机器学习模型的使用，并且需要对每个新会话进行校准。本文介绍了一种处理这种差异性的新迁移学习 (TL) 方法。该方法旨在通过在正定矩阵黎曼流形的切线空间中将一个受试者的 EEG 数据与另一个受试者对齐，来减少校准时间甚至提高 BCI 系统的准确性。我们在 18 个 BCI 数据库上测试了该方法，这些数据库总共包含 349 名受试者，属于三个 BCI 范式，即事件相关电位 (ERP)、运动想象 (MI) 和稳态视觉诱发电位 (SSVEP)。我们使用支持向量分类器进行特征分类。结果表明，与传统的训练-测试流程相比，在 ERP 范式中，分类准确度显著提高，而对于 MI 和 SSVEP 范式，性能均未下降。与之前发布的黎曼方法黎曼普鲁克勒斯分析 (RPA) 相比，总体准确度提高了 2.7%。有趣的是，切线空间对齐具有处理具有不同通道数的数据集的迁移学习的内在能力，自然适用于数据集间的迁移学习。
切线空间对齐：脑机接口的迁移学习...
受试者之间和会话之间的脑电图 (EEG) 统计差异是脑机接口 (BCI) 领域面临的一个常见问题。这种差异阻碍了预先训练的机器学习模型的使用，并且需要对每个新会话进行校准。本文介绍了一种处理这种差异性的新迁移学习 (TL) 方法。该方法旨在通过在正定矩阵黎曼流形的切线空间中将一个受试者的 EEG 数据与另一个受试者对齐，从而减少校准时间并提高 BCI 系统的准确性。我们在 18 个 BCI 数据库上测试了该方法，这些数据库总共包含 349 名受试者，涉及三个 BCI 范式，即事件相关电位 (ERP)、运动想象 (MI) 和稳态视觉诱发电位 (SSVEP)。我们使用支持向量分类器进行特征分类。结果表明，与传统的训练-测试流程相比，在 ERP 范式中，分类准确度显著提高，而对于 MI 和 SSVEP 范式，性能均未下降。与之前发布的黎曼方法黎曼普鲁克勒斯分析 (RPA) 相比，总体准确度提高了 2.7%。有趣的是，切线空间对齐具有处理具有不同通道数的数据集的迁移学习的内在能力，自然适用于数据集间的迁移学习。
量子随机Oracle模型中的紧密键合封码机制★
摘要。键盘包裹机制可保护量子随机甲骨文模型中所选的密文攻击（Ind-CCA-Secure KEMS），已由Boneh，Dagdelen，Fischlin，Lehmann，Lehmann，Schafner和Zhandry（Crypto 2012），Crypto 2012），Targhi and Targhi and targhi and targhi（targhi and unuh and unuh（tcc and unruh and unruh and in ccc and kirfmanz and hofmanz and hofmanz）提出。 2017）。但是，所有这些构造获得的方案的安全级别尤其是其构建基块原始安全级别的一半。在本文中，我们给出了一种将弱安全的公钥加密方案紧密转换为量子随机甲骨文模型中的IND-CCA安全KEM的转换。更准确地说，我们为确定性的公钥加密（DPKE）定义了一个称为“不相关性的可模拟性”的新安全概念，我们提出了一种方法，可以将不连接的可模拟DPKE方案转换为Ind-CCA键键封闭机制方案，而无需授予相当可能的安全性降级。此外，我们还提供了DPKE方案，其差异性可显着降低为量词后假设。结果，我们获得了量子随机甲骨文模型中各种量子后假设的Ind-CCA安全性KEM。关键字：紧密的安全性，被选为ciphertext的安全性，Quantum加密后，KEM。
中性粒细胞弹性酶及其控制抑制剂SLPI的染色差异揭示了牛皮癣中嗜中性粒细胞之间的异质性
中性粒细胞广泛分为常规中性粒细胞（PMN）和低密度粒细胞（LDGS）。ldgs在产生中性粒细胞外陷阱（NETS）时比PMN更好，这可能有助于自身免疫性疾病的病理。我们假设LDG和PMN在支持净产生的不受限制的NE水平上有所不同。在这里，我们表明牛皮癣的个体含有较高水平的LDG，与PMN相比，LDGS对其抑制剂SLPI显示出更高的NE染色和较低的染色。血液来源的LDG和PMN之间的异质性有些让人联想到在牛皮癣皮肤中观察到的NE和SLPI染色模式的差异。LDG和PMN中NE和SLPI的独特染色不是由于其蛋白质水平的差异而引起的，也不表现在LDG中NE的较高的总蛋白水解活性中。相反，它可能取决于这些蛋白质的不同胞质螯合。LDG和PMN中NE和SLPI的分歧，与这些细胞对皮肤化学诱导剂的迁移反应的改变相吻合。总体上，差异性NE和SLPI染色确定了循环和皮肤纤维膜中性粒细胞的共同属性，这可能引导二粒粒细胞迁移到不同的皮肤区域并确定LDGS介导的皮肤病理学的定位。
财务压力和经济活动
摘要：本文使用文本分析在1967 - 2018年期间为110个国家 /地区的110个国家 /地区构建一个连续的财务压力指数（FSI）。它依赖于计算机算法以及人类专家的监督，因此很容易更新。新指标具有更大的国家和时间覆盖范围和更高的频率，而侧重于发达经济体的类似措施。及其补充了现有的二元时间表，因为它可以评估金融危机的严重性。我们使用该指标来评估财务压力对经济的影响，同时使用国家和公司级别的数据。我们的主要发现是五倍：i）与现有文献一致，我们在财务压力与产出之间表现出具有经济意义和持久的关系； ii）在新兴市场和发展中的经济体中以及（iii）对更高水平的财务压力中的影响更大； iv）我们通过构建一种新颖的工具（来自其他国家 /地区的财务压力）来处理同时因果关系，并使用文本分析中的信息来处理，并表明，虽然有明确的证据表明金融压力会损害经济活动，但OLS估计却倾向于高估这种效果的幅度； （iv）我们通过差异性练习确认财务压力的外在影响，并表明对财务上更具限制和盈利较低的公司的影响更大。
生物塑料能否总是为基于化石的塑料提供真正可持续的替代品吗？
由基于生物的和/或可生物降解聚合物组成的摘要生物塑料具有在向可持续发展经济的过渡中发挥关键作用的潜力。使用可生物降解的聚合物不仅会导致温室气体排放减少，而且可能会解决环境中塑料废物持续存在的问题，尤其是在清除具有挑战性的情况下。尽管如此，鉴于其生物差异性强大取决于环境条件，因此不应将可生物降解的塑料视为适当的废物管理实践的替代品。在阻碍市场上可持续实施的挑战中，鉴于这些材料的生产量的增加，有效下游回收路线的降低至关重要。在这里，我们讨论了生物塑料最有建议的寿命终结场景。应考虑各种回收策略，包括机械，化学或生物学（酶和微生物）方法。使用酶作为生物植物作为化学回收的一种更具选择性和环保的替代品，从而可以生产新的生物塑料，并增加价值和高质量的产品。对生物塑料的工业提出的其他待处理问题包括最终用户的错误信息，缺乏标准化的生物塑料标签，不清楚的生命周期评估指南以及对更高金融投资的需求。尽管进一步的研发工作对于促进生物塑料的可持续性和广泛应用至关重要，但已经在这个方向上取得了重大进步。
深入加固学习的邀请
培训深层神经网络以最大化目标目标已成为过去十年中成功的机器学习的标准配方。如果目标目标是可区分的，则可以通过监督学习来优化这些网络。对于许多有趣的问题，事实并非如此。共同的目标，例如联合（IOU）的交集，双语评估研究（BLEU）得分或奖励，无法通过超级学习的学习来优化。一个常见的解决方法是定义可区分的替代损失，从而导致相对于实际目标的次优解决方案。强化学习（RL）已成为一种有希望的替代方法，用于优化深层神经网络，以最大程度地提高非微分目标。示例包括通过人类反馈，代码生成，对象检测或控制问题对齐大语言模型。这使得RL技术与较大的机器学习受众相关。然而，由于大量方法以及通常非常理论上的呈现，该主题是在接近的时间密集。在此简介中，我们采用另一种方法，不同于经典的加强学习教科书。我们不关注表格问题，而是引入强化学习作为监督学习的概括，我们首先将其应用于非差异性目标，后来又适用于时间问题。在阅读本教程后，读者只有受监督学习的基本知识，读者将能够理解最先进的深度RL算法（例如近端策略优化（PPO））。
PNPLA3 I148M 对 MASLD 患者临床结果的影响
摘要 背景和目的：代谢功能障碍相关脂肪肝病 (MASLD) 是一种异质性临床和组织病理学疾病，其中多种代谢辅助因子相互交织，个体间差异性很大。每种因素（包括肥胖和 2 型糖尿病）的影响和严重程度决定了全身性代谢障碍，可导致晚期肝病及其并发症（包括肝细胞癌和与门脉高压相关的临床事件）或肝外事件：心血管疾病、慢性肾病和肝外癌症。环境因素和遗传易感性之间的平衡对 MASLD 具有独特的影响：代谢辅助因子的间歇性损伤、其随时间波动及其特定管理，被可在多个层面上显著影响疾病的基因变异的存在所抵消。 PNPLA3 基因中的 I148M 变异是研究最多的遗传易感性，它会诱发更严重的脂肪性肝炎，增强纤维化，并会影响长期临床事件的发生率，无论其他代谢风险因素如何，或因其他代谢风险因素而恶化。方法和结果：在本综述中，我们将总结关于 MASLD 自然史的最新证据，这些证据考虑了经典代谢风险因素、PNPLA3 在临床亚表型（例如“瘦型 MASLD”）中的作用、对疾病严重程度和纤维化进展的影响，以及其在预测中的作用，单独或与非侵入性工具结合使用，形成多基因风险评分。