方法:我们提出了一个开源基准测试框架,台式框架,以建立最佳的实践机器学习方法,以评估应用于FNIRS数据的模型,并使用用于脑部计算机界面(BCI)应用程序的五个开放式访问数据集。使用嵌套交叉验证的稳健方法,台式框架使研究人员能够优化模型并无偏见评估它们。该框架还使我们能够生产有用的指标和图,以详细介绍新模型的性能以进行比较。为了演示框架的实用性,我们提出了六个基线模型[线性判别分析(LDA),支持 - 矢量机(SVM),K-Neartivt邻居(KNN),人工神经网络(ANN),卷积神经网络(CNN)和长期记忆(LSTM)的(lSTM)的[分类性能的不同因素,包括:训练示例的数量和每个用于分类的FNIRS样本的时间窗口的大小。我们还提供了一个滑动窗口的结果,而不是简单的时期分类,并且通过个性化方法(在主题数据分类中)而不是广义方法(未见主题数据分类)。
董事会负责 ASTM 标准的形式和风格。董事会、标准委员会、技术委员会或其执行小组委员会可建议对本手册进行修订。标准委员会根据变更建议采取行动,并审查技术委员会对 ASTM 标准的形式和风格的所有例外请求。对本手册的技术内容和格式的建议变更应提交标准委员会,标准委员会应在定期会议上对建议的优点作出裁决。将向技术委员会发出通函投票,COS 将处理回复。COS 建议应发送给董事会。董事会通过的变更应向成员公布,并应于董事会确定的日期生效。
董事会负责 ASTM 标准的形式和风格。董事会、标准委员会、技术委员会或其执行小组委员会可建议对本手册进行修订。标准委员会根据变更建议采取行动,并审查技术委员会对 ASTM 标准的形式和风格的所有例外请求。对本手册的技术内容和格式的建议变更应提交标准委员会,标准委员会应在定期会议上对建议的优点作出裁决。将向技术委员会发出通函投票,COS 将处理回复。COS 建议应发送给董事会。董事会通过的变更应向成员公布,并应于董事会确定的日期生效。
我们在蒙特卡洛事件生成的生成对抗学习的背景下提出并评估了一种替代性量子发生器结构,用于模拟大型强子对撞机(LHC)的分类物理过程。我们通过在已知的非衍生分布生成的人工数据上实现量子网络来验证这种方法。然后将网络应用于特定LHC散射过程的蒙特卡洛生成的数据集。新的量子发生器体系结构可导致最先进的实现的一般化,即使使用浅深度网络,也可以实现较小的kullback-leibler dibergence。此外,即使接受了小型培训样本集训练,量子发生器也成功地学习了基础分布功能。这对于数据八月应用特别有趣。我们将这种新颖的方法部署在两个不同的量子硬件体系结构,被困的离子和超构造技术上,以测试其硬件独立的生存能力。
神经胶质瘤是原发性脑肿瘤最普遍的类型之一,占所有病例的30%以上,它们是从神经胶质茎或祖细胞中发育的。从理论上讲,大多数脑肿瘤可以完全通过使用磁共振成像(MRI)来识别。每种MRI模态都提供有关人脑软组织的不同信息,并整合所有MRI的信息将提供全面的数据,以准确分割神经胶质瘤,这对于患者的预后,诊断和确定最佳后续治疗至关重要。不幸的是,由于多种原因,MRI容易出现工件,这可能导致缺少一种或多种MRI方式。多年来,已经提出了各种策略,以综合缺失的方式或补偿其对自动分割模型的影响。但是,这些方法通常无法对基础丢失的信息进行建模。在本文中,我们为MRI图像上的脑肿瘤分割提供了一种匹配的U-NET(SMU-NET)。我们的共同训练方法利用内容和样式匹配机制将信息从全模式网络提炼为缺失的模态网络。为此,我们将全模式和缺失模式数据编码为潜在空间,然后将表示空间分解为样式和内容表示形式。我们的样式匹配模块通过学习匹配函数以将信息和纹理特征从全模式路径传输到缺失模式路径,从而自适应地重新校准表示空间。此外,通过对互信息进行建模,我们的内容模式超过了信息较少的特征,并根据歧视性语义特征重新校准表示空间。BRATS 2018数据集的评估过程显示了所提出的方法在缺失模态方案上的重要性。关键字:缺失方式,脑肿瘤,内容式匹配,分割。
摘要 — 预计大型储能设施 (ESF) 将成为未来能源市场的重要组成部分,以增加可再生能源的渗透率。本文开发了一种新的优化算法,以参与大型商业 ESF 应对可再生能源波动。ESF 是一家投资者所有并独立运营的公司,力求最大化其总利润,同时对冲系统净负荷变化。为此,设想了一种精确计算高效的双层混合整数线性规划 (MILP)。ESF 运营商试图在较高级别最大化自己的利润,而 ISO 则寻求在较低级别出清市场。原则上,ESF 将能够构建其竞价/报价曲线以从不同市场购买/出售。为了保持问题的可处理性,每个较低级别都被其 KKT 最优条件取代,并使用强对偶理论将非线性转换为线性等价物,从而呈现单级 MILP,并因此重铸为 MPEC。此外,根据信息差距决策理论(IGDT)工具构建了所提出的框架,以捕捉不确定性对 ESF 利润的不利影响。
超可靠 FPGA 的超冗余 本文介绍的研究主题是可用于高可靠性数字系统 (HRDS) 的超冗余元件和 FPGA 设备。当前的工作是基于 FPGA 为 HRDS 开发超可靠逻辑元件、存储器元件和缓冲元件,以及它们的仿真和可靠性评估。目标:为一个、两个和三个变量开发容错的 LUT 逻辑元件。开发容错静态随机存取存储器、D 触发器和缓冲元件。在 NI Multisim 中进行仿真以验证性能并估算复杂度和功耗。推导出评估所开发元件和设备的可靠性的公式,并建立与已知三重模块冗余方法的比较图。所用方法包括引入晶体管级冗余、Multisim 中的仿真方法、晶体管数量的数学估计、可靠性计算。得出以下结论:在晶体管级引入冗余并使用串并联电路时,晶体管的数量至少需要增加四倍。已经开发出能够承受一个、两个和三个晶体管故障(错误)的被动故障安全元件和设备。对其有效性进行了评估,表明它们优于多数保留。结论。已经对具有大量冗余的被动容错电路进行了综合和分析,以确保在给定数量的故障(从一到三个)中保留逻辑功能。成本高于作者先前提出的方法中保持功能完整性的成本,但这是值得的。尽管与多数冗余相比冗余度明显更高,但功耗却更低,延迟增加不明显。建议在无法维护的关键应用系统中使用所提出的超容错 FPGA。将来,建议使用桥接电路来考虑晶体管级的冗余问题。关键词:LUT;被动容错系统;可靠性;冗余。
摘要 - 在此贡献中分析了经受闪电般的电流冲动的电导性织物样本。多物理模拟用于计算流经材料样品的闪电样电流产生的温度分布。进行了脱钩的电磁(EM)和热模拟进行分析,并在论文中进行了解释。还详细介绍了表示当前脉冲测试中呈现能量的缩放因子计算。数值结果提出了与文献中报道的实验测试一致的模式,并代表了现象见解的附加工具。