注:首先通过 Kolmogorov-Smirnov 检验对各个组进行正态分布检验。对于正态分布数据,平均值、标准差 ( SD ) 和 p 值基于双样本 t 检验。如果在一个或两个组中违反了正态性假设,则列出中位数和四分位距 (IQR),并执行 Mann-Whitney U 检验(用 U 表示)。对于名义数据,对性别执行 Fisher 精确检验(用 F 表示),对惯用手执行似然比(用 L 表示)。
脑机接口不需要任何肌肉能力就能进行交流,因此被广泛研究用于帮助运动障碍患者。脑电图 (EEG) 作为一种低成本、轻量级的技术,是记录大脑活动产生的电位的常用方法 [1]。尽管 BCI 有着广泛的临床应用,但它却无法在实验室外使用。需要克服的主要挑战之一是受试者之间高度的差异性,在文献中称为“BCI 效率低下”现象,相当一部分用户即使经过几次训练后仍无法控制 BCI 设备。解决这个问题的有效方法之一是改进神经解码器 [2]。为此,研究得出了依赖于协方差矩阵的新特征,例如,对于 𝑇 信号样本的 EEG 信号 𝑋,𝐶𝑜𝑣 = 1 𝑇 −1 𝑋𝑋 ⊤,以及邻接矩阵。这些邻接矩阵是
摘要。两个椭球集的闵可夫斯基和与差一般不是椭球形的。然而,在许多应用中,需要计算在某种意义上近似闵可夫斯基运算的椭球集。在本研究中,考虑了一种基于所谓椭球微积分的方法,该方法提供了参数化的外部和内部椭球族,可以紧密近似于闵可夫斯基椭球的和与差。近似沿方向 l 是紧密的,因为椭球在 l 上的支撑函数等于和与差在 l 上的支撑函数。然后可以根据相应椭球的体积或迹的最小(或最大)测量值来选择基于外部(或内部)支撑函数的近似。建立了利用欧几里得几何或黎曼几何对两个正定矩阵的闵可夫斯基和与差的基于体积的近似及其均值之间的联系,这也与它们的 Bures-Wasserstein 均值有关。
Hima-pake。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 2个二元帐户。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 3连续输出。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 4个hima。 div> 。 div> 。 div>Hima-pake。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>2个二元帐户。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 3连续输出。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 。 div> 4个hima。 div> 。 div> 。 div>2个二元帐户。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>3连续输出。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>4个hima。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>5 hima_classic。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>9 hima_dblasso。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。11 hima_eficient。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 hima_microbiome。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 hima_quantile。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 hima_survival。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18个微生物瘤。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20量化。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21生存。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。21
apca。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。2 ASCA。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 3 ASCA_FIT 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。2 ASCA。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3 ASCA_FIT。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 ASCA_PLOTS。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 ASCA_RESULTS。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9块。data.frame。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10热。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 11蜡烛。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 12个dummyCode。 。 。 。 。 。 。 。 。 。 。 。 。 。10热。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11蜡烛。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12个dummyCode。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 Extended.Model.Frame。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 limmpca。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 Model.Frame.asca。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 MSCA。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 PCANOVA 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 17个pcanova_plots。 。 。16 PCANOVA。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17个pcanova_plots。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>19 pcananova_ sensults。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>20个永久性。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>21中心。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22时图。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。23 UPDATE_WITHOUT_FACTOR。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。24
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权持有人,该版本发布于2025年1月18日。 https://doi.org/10.1101/2024.08.11.607360 doi:biorxiv Preprint
自动驾驶汽车由于技术进步及其改变转移的潜力而引起了极大的关注。该领域中的一个关键挑战是精确的定位,尤其是在基于激光雷达的地图匹配中,由于数据中的退化,这很容易出现错误。大多数传感器融合技术,例如卡尔曼过滤器,都依赖于每个传感器的准确误差协方差估计来提高定位精度。但是,获得地图匹配的可靠协方差值仍然是一项复杂的任务。为了应对这一挑战,我们提出了一个基于神经网络的框架,用于预测LIDAR地图匹配中的本地化错误协方差。为了实现这一目标,我们引入了一种专门设计用于错误协方差估计的新型数据集生成方法。在使用Kalman滤波器的评估中,我们实现了2 cm的定位准确性,这是该域的显着增强。
根据IPCC原则,IPCC进行“全面,客观,开放和透明”评估的科学文献的指数增长和增加的复杂性,使IPCC的任务变得复杂
1个计算机科学学院,中国劳资关系大学,北京100048,中国; tzhenkun@hotmail.com 2北京技术与商学院数学与统计学院,北京100048,中国3号地球表面流程和资源生态学国家主要实验室,北京师范大学,北京北部大学,北京100875,中国; tzhou@bnu.edu.cn 4北京师范大学的地理科学学院环境变化和自然灾害的主要实验室,北京100875,中国5地球与环境科学学院,皇后学院,皇后学院,纽约市,纽约市,纽约市,纽约市,纽约,纽约,11367,美国,美国; chuixiang.yi@qc.cuny.edu 6地球与环境科学系,纽约市纽约市研究生中心,纽约,纽约,纽约10016,美国7 Barry Commoner Health and The Environalser and The Environalser,Queens College,Queens College,纽约市纽约市,纽约,纽约,纽约,纽约,纽约,11367,美国,美国; eric.kutter@qc.cuny.edu 8 Dalian技术大学水与环境研究机构,达利安116024,中国; zhangqinhan@mail.dlut.edu.cn(Q.Z. ); nkrakauer@ccny.cuny.edu(N.Y.K。) 9土木工程系和NOAA-CREST,纽约市纽约市纽约市纽约市10031,美国 *通信:yingyingfu2015@hotmail.com1个计算机科学学院,中国劳资关系大学,北京100048,中国; tzhenkun@hotmail.com 2北京技术与商学院数学与统计学院,北京100048,中国3号地球表面流程和资源生态学国家主要实验室,北京师范大学,北京北部大学,北京100875,中国; tzhou@bnu.edu.cn 4北京师范大学的地理科学学院环境变化和自然灾害的主要实验室,北京100875,中国5地球与环境科学学院,皇后学院,皇后学院,纽约市,纽约市,纽约市,纽约市,纽约,纽约,11367,美国,美国; chuixiang.yi@qc.cuny.edu 6地球与环境科学系,纽约市纽约市研究生中心,纽约,纽约,纽约10016,美国7 Barry Commoner Health and The Environalser and The Environalser,Queens College,Queens College,纽约市纽约市,纽约,纽约,纽约,纽约,纽约,11367,美国,美国; eric.kutter@qc.cuny.edu 8 Dalian技术大学水与环境研究机构,达利安116024,中国; zhangqinhan@mail.dlut.edu.cn(Q.Z.); nkrakauer@ccny.cuny.edu(N.Y.K。)9土木工程系和NOAA-CREST,纽约市纽约市纽约市纽约市10031,美国 *通信:yingyingfu2015@hotmail.com9土木工程系和NOAA-CREST,纽约市纽约市纽约市纽约市10031,美国 *通信:yingyingfu2015@hotmail.com
1麦康奈尔脑成像中心,生物医学工程系,医学院,计算机科学学院,神经科学学院 - 蒙特利尔神经学院(MNI),麦吉尔大学,蒙特利尔大学,蒙特利尔,加拿大魁北克; 2米拉 - 加拿大魁北克蒙特利尔的魁北克人工智能研究所; 3西部神经科学研究所,西部大学,伦敦,加拿大安大略省; 4加拿大安大略省伦敦西部大学计算机科学系; 5加拿大安大略省伦敦西部大学统计与精算科学系; 6加拿大魁北克蒙特利尔康科迪亚大学心理学系; 7德国莱比锡Max Planck人类认知与脑科学研究所神经病学系; 8美国德克萨斯州达拉斯的UTSW高级成像研究中心; 9伊利诺伊州伊利诺伊州伊利诺伊州乌尔巴纳大学的生物工程系; 10 N.1 N.1卫生研究所睡眠与认知中心电气与计算机工程系,新加坡新加坡国立大学卫生与数字医学研究所;和11个共济失调中心,神经解剖学和小脑神经生物学实验室,马萨诸塞州综合医院和哈佛医学院,美国马萨诸塞州波士顿,美国马萨诸塞州波士顿