XiaoMi-AI文件搜索系统
World File Search System张开
振荡神经反馈网络和严重受损中风患者的中风后康复潜力
严重中风后的运动功能恢复通常很有限。然而，一些严重受损的中风患者可能仍然具有康复潜力。识别这些患者的生物标志物很少。18 名严重受损且缺乏随意手指伸展能力的慢性中风患者参加了一项脑电图研究。在 66 次运动意象试验中，脑机接口将与事件相关的同侧感觉运动皮层的 β 波段去同步化转变为机器人矫形器对瘫痪手的张开。八名患者的亚组参加了随后的四周康复训练。运动范围的变化通过传感器捕捉到，这些传感器可以客观地量化腕部运动的哪怕是离散的改善。尽管运动障碍程度相同，但患者可以分为两组，即有和没有与任务相关的额叶/运动前区和顶叶区域之间的双侧皮质-皮质相位同步增加。这种额顶叶整合 (FPI) 与同侧感觉运动皮质中明显更高的意志 beta 调制范围有关。经过四周的训练，接受 FPI 的患者腕关节运动能力的改善明显高于未接受 FPI 的患者。此外，只有前者在上肢 Fugl-Meyer 评估评分方面有显著改善。神经反馈相关的长程振荡相干性可能区分严重受损的中风患者，了解他们的康复潜力，这一发现需要在更大的患者群体中得到证实。
基于脑电图的控制方法......
神经控制接口是一项独特的全球技术，它彻底改变了控制和信号处理领域。这项技术有助于将人类和计算机联系起来，实现某些患者或人们难以实现的目标。在提议的实验中，脑信号被用来移动自动臂并执行各种任务，例如移动手的任何手指。为了实时为 3D 手臂机器人提供运动，我们获取了基于 10-20 国际系统的 EEG 数据，并使用 OpenBCI Wi-FI、OpenBCI 板将这些信号转发到处理计算机，并使用 OpenBCI GUI 和 Arduino Uno 控制伺服电机。此外，本文还介绍了一种脑电图 (EEG) - 一种帮助残疾人和老年人的智能轮椅控制系统。本文旨在使用脑机接口 (BCI) 耳机控制电动轮椅。这种轮椅可能对因脑脊髓切断而无法使用手或腿的残疾人有益。基本目标是将不同的面部表情与轮椅运动相匹配。该系统由 NeuroSky Mind Wave EEG 传感器线圈组成，该线圈与 Android 配对，并连接到语音中断电路，以防止轮椅意外发生故障或自动移动。脑机接口设计的系统通过实时实验研究进行评估，并应用于男性和女性，通过张开和握紧手进行诱导，验证过程也使用不同的频率和电压进行，实验结果表明该过程将按设计运行，具有极高的精度和高性能。
快速全脑fMRI分析的空间3DMatérn先验
摘要。贝叶斯全脑功能磁共振成像（fMRI）分析具有三维空间平滑先验，已证明无需预先张开数据，就可以制定最先进的活动图。所提出的推理算法在计算上是要求的，并且所使用的空间序列具有多种吸引力的属性，例如不当和有限的空间范围。我们根据Mat'ern协方差函数类别提出了一个用于全脑功能磁共振成像分析的统计推理框架。框架工作使用了可能各向异性的空间垫子的高斯马尔可夫随机场（GMRF）表示，通过Lindgren等人的随机部分差异方程（SPDE）方法。（2011）。这允许更加灵活，可置换的空间先验，同时保持在高维全脑环境中快速推断所需的稀疏性。我们开发了一种加速的随机梯度下降（SGD）优化算法，用于空间超参数的经验贝叶斯（EB）推断。有条件地，在推断的超参数上，我们对大脑活动进行了完全贝叶斯的治疗。使用活动图，先前的模拟和交叉验证的比较，将Mat'Mater的先验应用于模拟和实验性任务-FMRI数据，并清楚地表明，它比先前使用的先验更合理的选择。
根据平交道口预测疲劳寿命... - WIT Press
疲劳寿命预测中常用的模型基于以不同方式计数的循环。最常用的方法是基于雨流计数，它以非常特殊的方式处理应力历史。这种方法有三个主要缺点。这是一种从连续变化的应力曲线产生循环的临时方法。它以非常严格的方式在循环计数中引入记忆，并且算法相当复杂。另一方面，基于平交点的模型易于应用，但平交点谱不包含足够的应力历史信息。这里提出了一个模型，其中损伤累积取决于实际的平交点和压缩在状态变量中的应力历史。提出的模型具有以下属性。当总损伤超过给定值时，就会发生故障。每次应力变化都会导致非负损伤，这种损伤仅取决于实际应力、其变化和应力状态变量。在特定应用中，状态变量可以解释为裂纹的张开应力。该模型是时不变的，即如果时间尺度发生变化，损伤不会改变。因此，寿命由应力的最大值和最小值序列决定。通常，状态变量的动态必须是时不变的和稳定的，即平稳和遍历的随机应力函数应生成平稳和遍历的状态变量。在这种情况下，可以根据损伤强度来预测疲劳寿命，损伤强度是单位时间的预期损伤。
根据平交道口预测疲劳寿命... - WIT Press
疲劳寿命预测中常用的模型基于以不同方式计数的循环。最常用的方法是基于雨流计数，它以非常特殊的方式处理应力历史。这种方法有三个主要缺点。这是一种从连续变化的应力曲线产生循环的临时方法。它以非常严格的方式在循环计数中引入记忆，并且算法相当复杂。另一方面，基于平交点的模型易于应用，但平交点谱不包含足够的应力历史信息。这里提出了一个模型，其中损伤累积取决于实际的平交点和压缩在状态变量中的应力历史。提出的模型具有以下属性。当总损伤超过给定值时，就会发生故障。每次应力变化都会导致非负损伤，这种损伤仅取决于实际应力、其变化和应力状态变量。在特定应用中，状态变量可以解释为裂纹的张开应力。该模型是时不变的，即如果时间尺度发生变化，损伤不会改变。因此，寿命由应力的最大值和最小值序列决定。通常，状态变量的动态必须是时不变的和稳定的，即平稳和遍历的随机应力函数应生成平稳和遍历的状态变量。在这种情况下，可以根据损伤强度来预测疲劳寿命，损伤强度是单位时间的预期损伤。
增强基于运动意象的脑机接口用于中风康复
在全球范围内，中风幸存者的残疾率超过 80%，其中上肢运动障碍影响了 85% 以上的个人。为了应对这一挑战，基于运动想象 (MI) 的脑机接口 (BCI) 已成为一种有前途的方法，可将个人想象的运动意图转化为外部设备的控制信号。脑电图 (EEG) 信号因其非侵入性、便携性、高时间分辨率和价格实惠而常用于 MI-BCI。本研究利用了公开可用的脑电图运动/图像数据集 (EEGMMIDB)，包括来自 109 名参与者的 64 通道 EEG 记录，采样率为 160 Hz。目的是直接使用长短期记忆 (LSTM) 网络在清理后的 EEG 信号上对手掌和脚的张开/闭合进行分类，从而绕过计算密集且耗时的传统特征提取方法。通过调整与时期和段长度相关的超参数，我们实现了 71.2% 的平均分类准确率。这项研究强调了深度学习方法在生成稳健的控制信号以使用 EEG 信号预测运动意图方面的有效性，从而无需使用费力的特征提取方法。通过利用深度学习模型，MI-BCI 设备可以促进神经康复，尤其是中风患者的神经康复，通过提供运动辅助，使患者能够仅通过想象力来执行动作。
增强基于运动意象的脑机接口用于中风康复
在全球范围内，中风幸存者的残疾率超过 80%，其中上肢运动障碍影响了 85% 以上的个人。为了应对这一挑战，基于运动想象 (MI) 的脑机接口 (BCI) 已成为一种有前途的方法，可将个人想象的运动意图转化为外部设备的控制信号。脑电图 (EEG) 信号因其非侵入性、便携性、高时间分辨率和价格实惠而常用于 MI-BCI。本研究利用了公开可用的脑电图运动/图像数据集 (EEGMMIDB)，包括来自 109 名参与者的 64 通道 EEG 记录，采样率为 160 Hz。目的是直接使用长短期记忆 (LSTM) 网络在清理后的 EEG 信号上对手掌和脚的张开/闭合进行分类，从而绕过计算密集且耗时的传统特征提取方法。通过调整与时期和段长度相关的超参数，我们实现了 71.2% 的平均分类准确率。这项研究强调了深度学习方法在生成稳健的控制信号以使用 EEG 信号预测运动意图方面的有效性，从而无需使用费力的特征提取方法。通过利用深度学习模型，MI-BCI 设备可以促进神经康复，尤其是中风患者的神经康复，通过提供运动辅助，使患者能够仅通过想象力来执行动作。
2025 年 1 月 5 日星期日上午 10 点主显节
自愿的 “晨星多么明亮地闪耀” 迪特里希·布克斯特胡德 圣歌 128 “我们是东方三位国王” 东方国王 开幕式欢呼（第 1 页小册子） 以色列的集合牧羊人和所有国家的光，在那些呼唤其他名字并走在不同道路上的人的礼物中为人所知：愿不公正的力量和我们内心的仇恨因你的友谊而沮丧，被你的爱所废黜；通过耶稣基督，张开恩典的双臂。阿门。 第一课：以赛亚书 60：1-6 兴起，发光；因为你的光已经到来，耶和华的荣耀已经升起照耀你。因为黑暗要遮盖大地，浓厚的黑暗要遮盖万民；但耶和华要出现在你身上，他的荣耀要显现在你身上。万国要来就你的光，君王要来就你黎明的光辉。举目四顾；他们都聚集在一起，来到你身边；你的儿子们将从远方而来，你的女儿们将被他们的保姆抱在怀里。那时你会看到并会感到高兴；你的心会激动和欢喜，因为大海的丰饶会带给你，列国的财富会来到你身边。许多骆驼会遮盖你，米甸和以法的小骆驼会遮盖你；所有来自示巴的人都会来。他们会带来黄金和乳香，并宣扬对主的赞美。听听圣灵对上帝子民说的话。感谢上帝。
文章通过集成上下文门网络提高分类准确性：功能性近红外光谱的深度学习方法
摘要：脑机接口 (BCI) 系统包括信号采集、预处理、特征提取、分类和应用阶段。在 fNIRS-BCI 系统中，深度学习 (DL) 算法在提高准确性方面起着至关重要的作用。与传统的机器学习 (ML) 分类器不同，DL 算法无需手动提取特征。DL 神经网络会自动提取数据集中的隐藏模式/特征来对数据进行分类。在本研究中，从 20 名健康参与者那里获取了手握（闭合和张开）两类运动活动数据集，并将集成上下文门网络 (ICGN) 算法（提出）应用于该数据集以提高分类准确性。所提出的算法从过滤后的数据中提取特征，并根据网络中先前单元的信息生成模式。因此，基于数据集内生成的类似模式进行分类。将所提出的算法的准确性与长短期记忆 (LSTM) 和双向长短期记忆 (Bi-LSTM) 进行了比较。所提出的 ICGN 算法的分类准确率为 91.23 ± 1.60%，显著（p < 0.025）高于 LSTM 和 Bi-LSTM 分别实现的 84.89 ± 3.91 和 88.82 ± 1.96。使用 30 名受试者的开放访问三类（右手和左手手指敲击和优势脚敲击）数据集来验证所提出的算法。结果表明，ICGN 可有效用于基于 fNIRS 的 BCI 应用中二类和三类问题的分类。
目录 - 船舶结构委员会
目录 1.0 简介 1 2.0 背景 12 2.1 识别关键疲劳敏感细节 12 2.2 断裂行为类型 15 2.3 断裂力学分析 16 3.0 断裂试验 35 3.1 试样制作、残余应力和材料特性 35 3.2 带结构细节的工字梁弯曲 41 3.3 带加筋壳的箱梁弯曲 45 3.4 带孔和 CCT 拉伸试样 47 4.0 试验分析 98 4.1 PD6493 计算 100 4.2 扩展裂纹的塑性极限载荷计算 111 4.3 计算施加 J 的有限元分析 112 4.4 J 估算方案 115 4.5 通过 J-R 曲线分析预测裂纹扩展121 4.6 Landes 归一化方法 125 4.7 通过裂纹张开角预测裂纹扩展 129 5.0 延性断裂模型在船舶结构中的应用指南 180 5.1 钢材和填充金属的规格 180 5.2 断裂力学试验方法 183 5.3 推荐的延性断裂模型 185 6.0 结论和进一步研究的建议 191 附录 1：HSLA-80 和 EH-36 材料的选定 J-R 曲线 附录 2：工字梁实验的实验数据 附录 3：箱梁实验的实验数据 附录 4：Cope-Hole 实验的实验数据 附录 5：样品应力强度因子计算 附录 6：工字梁和箱梁试件的极限载荷预测