XiaoMi-AI文件搜索系统
World File Search System正态分布
随机磁性驱动的随机传感器设备
真正的随机数发生器在许多计算应用中引起了极大的兴趣，例如密码学，神经形态系统和蒙特卡洛模拟。在这里，我们研究了这种应用，在弹道极限内通过短持续时间（NS）脉冲激活的垂直磁性隧道连接纳米柱（PMTJ）。在此极限中，脉冲可以将初始自由层磁力态的玻尔兹曼分布转换为随机磁性下降或向上的状态，即有一个0或1的位，很容易通过测量结的隧道电阻来确定。证明，具有数百万事件的比特斯流：1）通过正态分布非常近似； 2）通过多个统计测试进行真实随机性，包括所有仅具有一个XOR操作的随机数发电机的国家规范研究所测试； 3）可用于创建8位随机数的均匀分布； 4）随着时间的推移，位概率不会漂移。此处介绍的结果表明，与其他随机纳米磁性设备相比，在弹道制度中运行的PMTJ可以在50 MHz比特率下生成真实的随机数，同时对环境变化（例如其工作温度）的稳定性更大。
：大脑对药物反应的个体变异性
生物变异本质上是普遍存在的。尽管在受控的环境条件下高度标准化的育种和饲养，但实验室小鼠和大鼠的表型多样性就像人类一样。由此产生的个体间变异性会影响动物疾病模型的各种特征，包括对药物的反应。因此，实验组中平均数据的共同实践可能导致神经科学和其他研究领域的误解。在本评论中，通过测试啮齿动物颞叶癫痫模型中毒药的测试来说明了个体间变异对药物反应性的影响。单个小鼠和大鼠根据标准方案通过治疗进行癫痫发作，分为对抗毒药的反应或不反应的组，从而模仿癫痫患者的临床状况。种群反应不是正态分布的，并且在经受参数统计检验的平均值中进行了不同的响应。遗传，表观遗传学和环境因素被认为有助于药物反应的个体差异，但特定的分子和生理原因尚不清楚。意识到啮齿动物的个体间变异性可以改善对药理实验的行为表型和药物效应的解释。
恒定载荷振幅下循环试验的执行和评估 – DIN 50100:2016
恒定载荷幅值的试验用于表征材料试样和部件的疲劳强度行为。从这些试验结果得出的 S-N 曲线描述了载荷幅值与相应的失效循环次数之间的关系。由于实施和评估疲劳试验的概念不同，因此很难比较不同研究机构的结果。新版德国标准 DIN 50100:2016 的目的是定义一种确定金属合金 S-N 曲线的程序，该程序不允许任何解释的余地。假设试验结果在载荷和循环方向上都服从对数正态分布。进一步假设高周疲劳状态和长寿命疲劳状态下的 S-N 曲线可以用双线性函数近似。为了确定有限寿命直线，可以根据 Basquin 采用珍珠串法和载荷水平法确定位置参数和幂函数的斜率。长寿命疲劳强度采用阶梯法确定，平均而言，S-N 曲线的拐点与有限寿命直线形成。对于长寿命疲劳状态，根据所检查的材料组，假设水平过程或低倾斜度下降。此外，DIN 50100:2016 包含有关平均值估计准确性的信息
使用静息态功能磁共振成像延迟数据对儿童癫痫的机器学习分类器进行比较
摘要。癫痫是最常见的儿科慢性神经系统疾病，每 150 名 10 岁以下儿童中就有 1 名患有癫痫；癫痫发作控制不佳会不可逆转地破坏正常的大脑发育。本研究比较了使用静息态功能性磁共振成像 (rfMRI) 延迟数据训练的不同机器学习算法检测癫痫的能力。对 63 名癫痫患者和 259 名健康对照者进行了术前 rfMRI 和解剖 MRI 扫描。分析了癫痫和健康对照队列的延迟 z 分数的正态分布，以确定 36 个种子区域的重叠情况。在这些种子区域中，研究队列之间的重叠范围为 0.44-0.58。使用主成分分析从延迟 z 分数图中提取机器学习特征。使用这些特征训练了极端梯度提升 (XGBoost)、支持向量机 (SVM) 和随机森林算法。受试者工作特征曲线下面积 (AUC)、准确度、灵敏度、特异性和 F1 分数
CMA 演进策略：比较回顾
我们假设一种搜索场景，我们想要最小化目标函数 f : IR n → IR , x → f ( x )。1 关于 f 唯一可获取的信息是已评估搜索点的函数值。我们的性能衡量标准是达到某个函数值所需的函数评估次数。许多连续域进化算法使用正态分布来采样新的搜索点。在本章中，我们重点介绍具有多元正态搜索分布的算法，其中分布的协方差矩阵不限于先验，例如不是对角矩阵。属于此类的分布估计算法（EDA）包括多元正态估计算法（EMNA）、高斯网络估计算法（EGNA）[15，16]和迭代密度估计进化算法（ID EA）[4]。属于此类的进化策略 (ES) 包括具有相关突变自适应功能的 (µ/µ I, λ ) -ES2[19] 和具有协方差矩阵自适应 (CMA) 的 ES[10]。最初，CMA 被解释为去随机化的自适应 [12]：与最初的自适应相比，在 CMA 中，分布参数的变化遵循其自身的随机性，而分布参数的变化则确定性地与对象参数的变化相关。在本章中，我们将从不同的角度回顾 CMA，揭示其与 EMNA 等 EDA 的密切关系。
精神分裂症中移动认知措施的数字表型相关：多站点全球心理健康可行性试验
精神分裂症的传统认知评估是耗时的，需要进行专业培训，从而使常规评估具有挑战性。为了克服这些局限性，本研究研究了利用基于智能手机的评估来捕获认知功能和数字表型数据的可行性和优势，并将这些结果与黄金标准措施进行比较。我们对76位独立人士的数据进行了二次分析，这些数据是在三个地点（波士顿的一个，印度的两个）招募的精神分裂症。开源的Mindlamp智能手机应用程序捕获了数字phe-notyping数据，并在长达12个月内对注意力 /记忆进行了A / B评估。智能手机认知任务具有正态分布的潜力，这些得分与简短评估精神分裂症中的COGNITION的结果相关，尤其是数字跨度和符号编码任务（R2 = 0.21）。观察到了智能手机衍生的认知评分和与健康相关的行为（例如睡眠持续时间模式）之间的小相关性（R2 = 0.29）。基于智能手机的认知评估显示出有望作为跨文化工具，可以捕获有关精神分裂症患者瞬时状态的相关数据。与睡眠有关的认知结果表明了数字表型数据的功能应用，以及这种多模式数据方法在研究中的潜力。
结构健康监测应用的发展战略1
永久安装的结构健康监测 (SHM) 系统现在是传统定期检查（无损检测 (NDT)）的可行替代方案。然而，它们的工业用途有限，本文回顾了开发实用 SHM 系统所需的步骤。SHM 中使用的传感器固定在某个位置，而在 NDT 中，它们通常被扫描。目标是使用高时间频率、低空间频率 SHM 数据达到与传统高空间频率和低时间频率 NDT 检查类似的性能。结果表明，这可以通过变化跟踪算法（例如广义似然比 (GLR)）来实现，但这取决于输入数据是否为正态分布，这只有在因操作条件变化而导致的信号变化得到令人满意的补偿时才能实现；最近在这个主题上取得了很大进展，本文对此进行了回顾。由于 SHM 系统可以生成大量数据，因此将数据转换为可操作信息至关重要，并且必须在 SHM 系统设计中解决此步骤。验证已安装的 SHM 系统的性能也至关重要，并且已经提出了一种类似于 NDT 中使用的模型辅助检测概率 (POD) (MAPOD) 方案的方法。该方法使用安装在典型未损坏结构上的 SHM 系统获得的测量值来捕获由于环境和其他影响而导致的信号变化
从单个碎片监测中识别碎片时期的统计方法
在过去的几十年中，在轨驻留物体数量不断增长已成为世界各地航天机构和研究机构的主要关注点之一。在此背景下，碎片进一步增加了空间碎片的数量，从操作上讲，尽快确定事件时期至关重要，即使只有由初始轨道确定 (IOD) 过程得到的单个碎片轨道状态。这项工作说明了碎片时期检测器 (FRED) 算法，该算法通过统计方法处理该问题，从单个碎片 IOD 结果（通过平均状态和协方差表示）和父星历表（假设为确定性）开始。该过程用多元正态分布填充碎片星历表，对于每对样本父代，首先在时间窗口上计算通过最小轨道交叉距离 (MOID) 的时期，然后按时间聚类。对于每个簇，都会导出三维 MOID 和三维相对距离分布（通常是非正态分布，后者是在母星通过 MOID 时计算的），并对它们的相似性进行统计评估。最后，将两个分布之间最匹配的簇视为最佳候选，并从母星通过 MOID 时返回碎片时期，以平均值和标准差表示。通过数值分析评估 FRED 算法的性能。还讨论了从雷达测量开始嵌入 IOD 过程的操作案例。
在教授能量转换方面更有效
摘要这项研究旨在比较基于技术和询问的教学的短期和长期影响，以在能量转化对学生的学术成就的范围内编写。它被设计为探索性行动研究案例研究。该研究小组由2017年秋季学期的一所公立中学的四十三名学生组成。在学校中具有类似学术背景的班级之一，研究人员还担任科学老师，被分配为实验组，另一个为对照组。实验组的活动是使用技术表支持的PHET模拟以技术支持的方式进行的，而对照组则是根据工作表的基于询问的实验室实验室活动来教授对照组的。数据是通过成就测试收集的，该测试由开放式问题组成，并通过标题进行评分。在干预措施后，在接下来的第六个月中，对测试进行了两次测试。正态分布的数据与相互依存和配对样本t检验进行了比较。结果表明，尽管技术支持的教学组的成就得分在测试后的成就得分明显更高，但第六个月末的分数之间没有差异，并且在这两个群体中都经历了大量的信息损失，并且具有最多技术支持的科学教学。关键字：基于技术的学习，科学教学，能量转化，PHET模拟。
研究文章质量检查 Logit 人机可靠性 (LHR)
多年来，已经开发了几种人为可靠性分析 (HRA) 方法。本研究的目的是提出一种混合模型来评估人为错误概率 (HEP)。新方法基于对数正态分布、核行动可靠性评估 (NARA) 和性能塑造因素 (PSF) 关系。在研究中，分析了与文献方法相关的缺点，尤其是工作时间的局限性。为此，估计了紧急情况下 8 小时后的 PSF（工作标准）。因此，这三种方法的优势之间的相关性允许在事故场景和紧急情况下提出 HEP 分析；确保工业工厂安全和可靠性的一个基本问题是应急管理 (EM)。应用 EM 方法，分析了两个主要方面：系统可靠性和人为可靠性。系统可靠性与其最薄弱组件的可靠性密切相关。在偶然情况下，整个系统中最薄弱的部分是工人（人为可靠性），而意外情况会影响操作员的决策能力。本文提出了一种称为 Logit 人为可靠性 (LHR) 的新方法，该方法考虑了内部和外部因素来估计紧急情况下的人为可靠性。LHR 已应用于制药事故场景，考虑了 24 小时工作时间（超过 8 小时的工作时间）。结果突出显示