XiaoMi-AI文件搜索系统
World File Search System波形
在程序中为电缆和接线盒分配间接雷电...
间接雷击工程需要尽早分配重量和空间，以便在注重重量的复合系统程序中进行保护。本说明试图定义飞行环境并提供将其扩展到任何大小的系统的工具。根据 IN615 中的发现，标准中的波形 5A (WF5A) 已更改为波形 4 (WF4)。所有其他分配都会受到影响，因为更多的高频穿透内部导体，而较少穿透外部导体。雷击组件 A、D 和 H 具有大约相同的 dI/dt 和相同的 2MHz 以上频谱，因此它们将激发相同水平的波形 2 导数激励和波形 3 谐振激励。设计指南有助于满足要求。
机载电子隔离 PFC 模块 - SynQor
APFICQor 隔离功率因数校正模块是一种高效、高功率 AC-DC 转换器。它通过通用 AC 输入产生隔离 DC 输出电压。提供稳压和半稳压（下垂版本）模块。如图 A 所示，典型的电源由 SynQor AeroQor AC 线路滤波器、SynQor APFICQor 模块和储能保持电容器组成。需要保险丝来满足监管安全要求。APFICQor 的主要目的之一是将从单相正弦 AC 源吸取的输入电流整形为近乎完美的正弦波形，以便 AC-DC 电源将为该源提供非常高的功率因数负载。在进行波形整形时，APFICQor 可确保交流电流波形的谐波分量低于测试标准所要求的水平。交流电流波形的总谐波失真在满载时通常小于 3%。APFICQor 首先通过以下方式完成波形整形任务
美国政府作品不受美国版权保护。 640
简介 NIST 测量服务 65200S[I]（NIST 服务标识号）。“快速重复脉冲转换参数”提供波形幅度、A、、转换持续时间、1、、前转换和后转换过冲、OS 和下冲、US 和稳定参数等波形参数的可追溯测量。这些术语由 IEEE 标准《转换、脉冲和相关波形》定义，并给出了计算方法。IEEE Std-181-2003 [2]。这些参数的范围和典型扩展不确定度 (lI) 为 [I]：-400 mY sAps 400 mY，lI.4 = 1.5mY + 1.4 ilA 7 ps s I.,s 100 OS。其中 LlA 是幅度离散化间隔，使用采样器上的全量程幅度范围设置（例如，对于 10 mV/div 的幅度灵敏度设置和 10 个垂直分区的全量程显示，全量程幅度范围为 100 mV）和采样器输入端的模数转换器的有效位 [3] 计算得出。 ill 是采样间隔，即采集 DUT 波形期间使用的采样时刻之间的间隔。例如，波形包含 1000 个元素的 I ns 的波形时期具有 1 ps 的采样间隔。稳定参数的不确定性取决于 50% 参考电平时刻 [I] 的持续时间。
使用对比学习实现细胞外数据的稳健且可推广的表示
图 1：CEED 框架。在 CEED 中，我们假设波形已经从细胞外记录中提取出来。然后，每个波形都会通过我们的随机视图生成模块，通过应用变换获得不同的视图。这些变换会产生一组预定义的不变性（参见第 3.2.1 节）。使用这些视图，然后训练基于神经网络的编码器（可以采用多层感知器 (MLP) 或变压器的形式）以产生尊重所需不变性的表示。这是通过对比学习实现的，其中鼓励来自相同波形的视图的表示相似，鼓励来自不同波形的视图不相似。训练完成后，学习到的表示可用于一系列下游神经科学任务，例如尖峰分类或形态电细胞类型分类。
利用 Daubechies 小波对快速时变磁场进行量子传感
摘要 结合使用量子传感技术和正交函数（如 Walsh 和 Haar 小波函数）作为量子位的控制序列，可以重建时变磁场的波形。然而，Walsh 和 Haar 小波函数的分段常数性质会在重建波形中引起脉冲形伪影。在本文中，我们提出了一种强大的量子传感协议，通过使用基于高平滑度 Daubechies 小波的控制序列来驱动量子位。时变磁场波形重建时伪影可忽略不计，精度更高。基于 Bloch 球面上表示的直观模型，推导出量子位读数、量子态的累积相位和小波系数之间的基本数学关系。通过使用由 Daubechies 小波函数调制的连续微波控制序列控制每个量子位，可以将产生的量子位读数与指定的小波系数相关联。然后利用这些系数通过逆小波变换重构出更平滑、更准确的时变磁场波形。在不同的 Daubechies 小波参数设计下，对单音、三音和含噪波形进行了仿真，以验证所提方法的有效性和准确性。基于 Daubechies 小波的波形重构方法也可应用于磁共振波谱以及重力、电场和温度的测量。
使用发作间期癫痫样放电波形和卷积神经网络筛查脑电图中的癫痫发作
人工智能 (AI) 与医疗物联网 (MIoT) 的整合正在迅速推进，通过分析脑电图 (EEG) 中的发作间期癫痫样放电 (IED)，在检测癫痫等疾病方面取得了重大进展。EEG 数据的可用性促进了包括癫痫发作检测在内的创新应用的创建。虽然神经科医生传统上依靠 EEG 数据分析来识别癫痫发作，但手动评估 EEG 脑电波是一个费力而复杂的过程，给专家带来了很大的压力。本文介绍了一种基于 EEG 波形自动检测 IED 的简单卷积神经网络 (CNN) 方法。这种方法通过预测癫痫发作并及时干预，有助于减轻癫痫患者的负担。它还减轻了神经科医生和经验不足的专家的工作量，从而加快了诊断过程。所提出的方法是通过利用一系列描绘每个传感器上 EEG 信号幅度的图像来实现的。研究将参与者分为两组：（A）健康个体和（B）癫痫患者。结果显示，与人类专家诊断相比，准确率高达 96.4%，展示了该方法在脑电图数据中检测癫痫发作的有效性和实用性。
原创研究利用人工智能动脉多普勒波形预测外周动脉疾病患者的主要不良反应
方法与结果：纳入了接受踝臂指数测试的连续患者（2015 年 4 月 1 日至 2020 年 12 月 31 日）。患者被随机分配到训练、验证和测试子集（60%/20%/20%）。深度神经网络在静息胫后动脉多普勒波形上进行训练，以预测 5 年时的主要不良心脏事件、主要不良肢体事件和全因死亡。然后根据训练集中每个预测分数的四分位数对患者进行分组分析。在总共 11 384 名患者中，10 437 名患者符合研究纳入标准（平均年龄 65.8±14.8 岁；40.6% 为女性）。测试子集包括 2084 名患者。在 5 年的随访期间，共有 447 人死亡、585 起重大不良心脏事件和 161 起男性事件。调整年龄、性别和 Charlson 合并症指数后，胫后动脉波形的深度神经网络分析可独立预测 5 年内的死亡（风险比 [HR]，2.44 [95% CI，1.78–3.34]）、主要不良心脏事件（HR，1.97 [95% CI，1.49–2.61]）和主要不良肢体事件（HR，11.03 [95% CI，5.43–22.39]）。
SN54AHC573、SN74AHC573 (Rev. L) - 所有产品
注意：A. CL 包括探针和夹具电容。B. 波形 1 适用于具有内部条件的输出，即输出为低，除非被输出控制禁用。波形 2 适用于具有内部条件的输出，即输出为高，除非被输出控制禁用。C. 所有输入脉冲均由具有以下特性的发生器提供：PRR ≤ 1 MHz、ZO = 50 Ω、tr ≤ 3 ns、tf ≤ 3 ns。D. 每次测量一个输出，每次测量一个输入转换。E. 并非所有参数和波形都适用于所有设备。
爆发潜力：感觉运动β爆发如何从婴儿期到成年>
Beta活动被认为在感觉运动过程中起关键作用。然而，对于该频带中的活动如何发展知之甚少。在这里，我们研究了从婴儿期到成年期的感觉运动β活性的发育轨迹。，我们从9个月大，12个月大的成年人（男性和女性）中记录了脑电图，同时他们观察并执行了抓握运动。我们使用一种结合时间频分解和主成分分析的新方法分析了“β爆发”活性。然后，我们检查了沿所选主组件的突发速率和波形基序的变化。我们的结果揭示了在跨部门执行过程中β活动的系统变化。我们发现，在所有年龄段的运动执行过程中，β爆发率下降，成年人观察到最大的下降。此外，我们确定了三个主要组件，这些组件定义了在整个试验过程中系统地改变的波形图案。我们发现，波形形状更接近中间波形的爆发不是速率调节的，而波形形状远离中位数的爆发则差异速率调节。有趣的是，某些爆发基序的速率降低发生在运动过程中早期发生，并且在成年人中比婴儿更偏侧，这表明特定类型的β爆发的速率调节速度随着年龄的增长而变得越来越完善。
“大脑听诊器”
颅内压 (ICP) 升高通常在多种情况下进行筛查，包括脑积水、假性脑瘤和创伤 [1]。测量 ICP 的标准实践包括腰椎穿刺，通过压力计测量脑脊液开放压力，或通过应变计传感的外部脑室引流盐水柱的直接颅内接口测量脑脊液开放压力 [2]。这显然是侵入性的，而且往往会让患者感到不舒服。需要常规 ICP 监测的患者必须定期忍受这一过程 [3]。显然需要一种微创或非侵入性技术来筛查 ICP 升高 [4]。许多研究试图开发非侵入性方法来识别 ICP 升高，例如经眼超声、颈动脉多普勒和耳蜗导水管传输 [2,5,6]。然而，到目前为止，还没有一种被证明足够可靠以用于临床实践 [2,4- 7]。一种有趣的技术是利用鼓膜搏动来推导 ICP [8,9] 。该技术最早在 20 世纪 70 年代被描述，利用了脑脊液 (CSF) 和中耳之间通过耳蜗导水管 [10] 的已知通道。许多研究表明，这种连接可以将心脏搏动波形 (ICP 波形) 传输到鼓膜 (TM)，并可以从 TM 搏动中推导 ICP 波形 [10-14] 。尽管之前的测试已经能够推导这种波形，但耳蜗导水管多变的声学特性往往使得经典的 ICP 波形指标（如振幅和时间平均值）不可靠 [2,15] 。这种限制，加上最初检测这些波形所需的笨重而复杂的设备，使得这种