XiaoMi-AI文件搜索系统
World File Search System感组
体感皮层图内的连续性有助于学习
拓扑组织是感觉皮层的一个显著特征，但其功能作用仍存在争议。特别是，在感觉引导行为期间，皮层区域内的活动整合如何依赖于其拓扑结构尚不清楚。在这里，我们训练小鼠在兴奋性神经元中表达通道视紫红质，以追踪在初级体感皮层的拓扑晶须表示上平稳旋转的光刺激条。小鼠学会辨别光条的角度位置以获得奖励。它们不仅会在该区域的光刺激的时空连续性被破坏时失败，而且当显示地图不连续性的皮层区域（例如躯干和腿部）或没有地形图的区域（例如后顶叶皮层）受到光刺激时也会失败。相反，当皮层拓扑连续性能够预测未来的感觉激活时，小鼠会表现出对奖励可用性的预期。这些发现可能有助于在设计皮层神经假体时优化反馈。
测量基于深度学习的压缩感中的鲁棒性
抽象的深神经网络为重建少量和嘈杂测量的图像重建图像提供了最新的准确性，例如在加速磁共振成像（MRI）中引起的问题。然而，最近的作品引起了人们的担忧，即基于学习的图像重建方法对扰动很敏感，并且比传统方法不那么易用：神经网络（i）可能对小而却对对抗性的扰动敏感，（ii）可能会在分配中表现不佳，并且（iii）可能会在覆盖小型的图像中表现出色，但可能会在一个图像中覆盖重要特征。为了理解对此类范围的敏感性，在这项工作中，我们测量了图像重建的不同方法的鲁棒性，包括训练有素和未经训练的神经网络以及传统的基于稀疏的方法。我们发现，与先前的作品相反，训练和未经训练的方法都容易受到副本扰动的影响。此外，针对特定数据集调整的经过训练和未经训练的方法都在分配转移中遭受的损失非常相似。fi-Nelly，我们证明了一种实现更高重建质量的图像重构方法在准确恢复细节方面的性能也更好。我们的结果表明，基于最新的深度学习图像重新构造方法比没有构成鲁棒性的传统方法提供了改进的穿孔方法。
v2x-real：用于车辆到所有合作感的大规模数据集
摘要。车辆到全能（V2X）技术的最新进步使自动驾驶汽车能够共享感应信息以通过遮挡来查看，从而极大地提高了感知能力。但是，没有现实世界中的数据集来促进真正的V2X合作感知研究 - 现有数据集仅支持车辆到基础设施合作或车辆到车辆的合作。在本文中，我们提出了V2X-Real，这是一个大规模数据集，其中包括多种车辆和智能基础设施的混合物，以促进V2X合作感知的发展，并具有多模式感测数据。我们的V2X-Real是使用两个连接的自动化车辆和两个智能基础架构收集的，它们都配备了包括LIDAR传感器和多视图摄像头在内的多模态传感器。整个数据集包含33K激光镜框架和171K摄像机数据，在非常挑战的城市场景中，有10个类别的注释框架超过120万。根据协作模式和自我观点，我们为以车辆为中心，以基础设施为中心，车辆到车辆和基础设施到基础结构的合作社来得出四种类型的数据集。提供了SOTA合作感知方法的综合多级多级多代理基准。V2X-REAL数据集和代码库可在https://mobility-lab.seas.ucla.edu/ v2x-real上找到。
fa-gan：无伪像和相感的高保真gan vocoder
基于生成的对抗网络（GAN）的声音编码器在高质量和快速的推理速度方面已在语音合成中获得了极大的关注。但是，仍然存在许多明显的光谱伪像，导致综合语音的质量下降。在这项工作中，我们采用了一种基于Gan的新型Vocoder，专为少数文物和高保真效果而设计，称为Fagan。为了抑制高频组件中非理想的上取样层引起的混叠伪像，我们在发电机中引入了抗脱氧的双反卷积模块。为了减轻模糊的伪影并丰富了规格细节的重建，我们提出了一种新型的细粒度多分辨率真实和虚构的损失，以帮助对相信息进行建模。实验结果表明，FA-GAN的表现优于比较促进音频质量和减轻光谱伪像的方法，并且在应用于看不见的说话者场景时表现出卓越的性能。索引术语：语音综合，生成对抗网络，光谱伪像，频域
微生物组和代谢组学产品
在所有地理区域中，某些DNA Genotek产品可能不可用。†Omnigene TM•肠道（OM-200）标记为体外诊断使用，在美国不可出售。Omnigene TM•肠道（OMR-200），Omnigene TM•口服（OMR-110/120），Omnigene TM•阴道，综合TM•Saliva（OMR-610）和Omnigene TM•皮肤仅用于研究，不适用于诊断过程。Omnigene，Omnimet和DNA Genotek是DNA Genotek Inc.专利的商标（www.dnagenotek.com/legalnotices）©2023 DNA Genotek Inc.是Orasure Technologies，Inc.，Inc.，Inc。，保留所有权利。MK-01281第3/2023-01号
集成的转录组和代谢组分析...
©作者2025。Open Access本文在创意共享属性下获得许可 - 非商业 - 非洲毒素4.0国际许可证，该许可允许以任何中等或格式的任何非商业用途，共享，分发和复制，只要您与原始作者提供适当的信誉，并为您提供了符合创造性共识许可的链接，并提供了持有货物的启动材料。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问h t p：//c r e a t i v e c o m m o ns。or g/l i c e n s e s/b y-n c-n c-n c-n d/4。0/。
肠道微生物组和代谢组签名...
研究亮点•肠道微生物营养不良与肝硬化进展显着加剧，这是特定微生物和代谢产物的同时发生的变化。有趣的是，肝硬化诱导的肠道和代谢产物的转移增加与与肝硬化相关的临床标记密切相关。这项研究扩大了针对特定肝硬化相关并发症的肝硬化生物标志物的范围。此外，这项研究高点肝硬化患者的粪便微生物和代谢标志物的相关性与临床标志物紧密相关，例如MELD和CTP评分，以及AST，ALT，ALT，ALT，胆红素和γ-GT水平。这些发现增强了我们对肝硬化中肠道微生物组的理解及其与相关的微生物物种和代谢产物的联系。
电子纹身：实现与人体皮肤的无感交互
摘要：人体从头到脚不断发出生理和心理信息。可穿戴电子设备能够以非侵入方式准确地数字化这些信息，而不会影响用户的舒适度或移动性，有可能彻底改变远程医疗、移动医疗以及人机或人与元宇宙的交互。然而，由于传统刚性平面电子设备与柔软、弯曲的人体皮肤表面之间的机械不兼容性，最先进的可穿戴电子设备在可穿戴性和功能性方面面临限制。电子纹身是一种独特的可穿戴电子设备，其特点是超薄和皮肤柔软，可在人体皮肤表面进行非侵入性和舒适的贴合，不会造成阻碍甚至机械感知。这篇评论文章对电子纹身进行了详尽的探讨，介绍了它们的材料、结构、制造工艺、特性、功能、应用和剩余挑战。我们首先总结了人体皮肤的特性及其对电子纹身-皮肤界面信号传输的影响。接下来，我们讨论了电子纹身的材料、结构设计、制造和皮肤附着过程。我们将电子纹身的功能分为电气、机械、光学、热和化学传感，以及伤口愈合和其他治疗。在讨论了能量收集和存储功能后，我们概述了无线电子纹身系统集成的策略。最后，我们对该领域剩余的挑战和未来机遇提出了个人观点。
驾驶模拟器的系统沉浸感会影响……
提供模拟体验的系统的技术特性是沉浸感的关键维度。为了创造临场感并尽可能真实地重现驾驶员的行为，我们需要可靠的驾驶模拟器，让驾驶员高度沉浸其中。本研究调查了驾驶模拟器的系统沉浸感对驾驶员在驾驶有条件自动驾驶汽车时大脑活动的影响。19 名参与者驾驶了大约 40 分钟，同时使用脑电图 (EEG) 记录了他们的大脑活动。我们发现系统沉浸感对枕骨和顶骨区域有显著影响，主要是在高 Beta 带宽。在 Theta、Alpha 和低 Beta 带宽中没有发现任何影响。这些发现表明，系统沉浸感可能会影响驾驶员的生理唤醒，从而影响他们的认知和情绪过程。关键词：沉浸感、脑电图、驾驶模拟器、自动驾驶汽车、模拟环境
数字感是操纵大脑的一种新兴特性
近年来，人工智能取得了长足进步，然而，大多数系统仍然难以推广。在这项工作中，我们探索了一个模型，该模型可以重现人类通过无监督的日常经验获得“数字感”的能力。理解和操纵数字和数量的能力在童年时期就出现了，但人类获得和发展这种能力的机制仍然知之甚少。特别是，我们不知道在没有老师监督的情况下是否有可能获得这种数字感。我们通过一个模型来探索这个问题，假设学习者能够拾取和放置小物体，并会自发地进行无方向的操作。我们进一步假设学习者的视觉系统将监控场景中物体的变化排列，并将学会通过将感知与运动系统的传出信号进行比较来预测每个动作的影响。我们使用标准深度网络对感知进行建模，以进行特征提取和分类，以及梯度下降学习。我们的主要发现是，从学习不相关的动作预测任务中，出现了一种意想不到的图像表征，其表现出预示着数字和数量的感知和表征的规律。这些包括零和前几个自然数的不同类别、数字的严格排序以及与数值相关的一维信号。因此，我们的模型获得了估计数量（即场景中物体的数量）的能力，以及速算能力，即一眼就能识别小场景中物体的确切数量的能力。值得注意的是，速算和数量估计可以推断到包含许多物体的场景，远远超出训练期间使用的三个物体。我们得出结论，数字和数量能力的重要方面可以在没有老师监督的情况下学习。我们的观察表明，跨模态学习（这里是操纵教学感知）是一种强大的学习机制，可以在人工智能中加以利用。