摘要:由于复杂的自发脑活动纠缠在一起,描述脑电图 (EEG) 中大脑对输入的动态响应模式并非易事。在这种情况下,大脑的反应可以定义为 (1) 输入后产生的额外神经活动成分或 (2) 输入引起的持续自发活动的变化。此外,反应可以体现在多种特征中。三个常见的特征示例是 (1) 瞬态时间波形,(2) 时频表示,和 (3) 相位动态。最广泛使用的平均事件相关电位 (ERP) 方法捕捉到了第一个特征,而后两者和其他更复杂的特征正受到越来越多的关注。但是,目前还没有太多的研究对如何在神经认知研究中有效利用多方面特征提供系统的说明和指导。基于一个有 200 名参与者的视觉异常 ERP 数据集,这项工作展示了上述特征的信息如何相互补充,以及如何基于典型的基于神经网络的机器学习方法将它们整合在一起,以便在基础和应用认知研究中更好地利用神经动态信息。
摘要。提出了一种方法,用于计算量子密钥分布系统(QKD)站的平均进入时间,并通过降低长度的纤维通信线(focl)的段进行顺序进行轮询。构建了对光子脉冲的顺序搜索的状态图和过渡图。是为了找到检测光子脉冲的概率,进入站点同步的平均步骤数,步骤数的差异以及进入连接的平均时间的平均步骤数。注意到,当焦点分为长度降低的部分时,黑暗电流脉冲(DCP)的水平会显着降低。后者允许减少光电探测器的错误警报的概率。对所获得的结果的分析表明,在算法 - 模拟的情况下,提出的算法进入同步时间的时间比进入站点的通信所需的时间少3倍。获得的结果表明有可能增加焦点的长度,同时确保同步误差概率在0.01的水平上的值。