XiaoMi-AI文件搜索系统
World File Search System湿区
脑电图（EEG）中言语回忆和非回忆间隔的分类
脑机接口 (BCI) 研究已开始用于从脑电图 (EEG) 中识别语音想象过程中的回忆音节。目前，很难从 EEG 数据中识别出真实的回忆持续时间。因此，通常使用不准确的回忆数据（包括非回忆持续时间或通过视觉确定频谱轮廓标记的回忆部分）来识别回忆的音节。由于视觉音节标记耗时费力，因此希望区分正确的语音想象片段的过程能够自动化。在本文中，我们构建了由语音想象片段和非回忆片段组成的每个模型以获得真正的音节片段。我们通过视觉判断从带有音节标记的语音想象/非回忆数据中提取复倒谱，并使用这些特征识别语音想象/非回忆片段。最后，我们报告了通过 10 倍交叉验证的分类结果。
电子膨胀阀开度对恒温恒湿箱系统性能的影响
EEV) 具 有流量调节范围大 、 反应迅速 、 控制精确等特点 [9] , 在定频机组中的应用愈发受到关注 [10] 。 郝文洋 等 [11] 利用电子膨胀阀代替毛细管作为恒温恒湿箱的 节流装置进行实验研究 , 发现改进后箱体温湿度控制
语音回忆过程中脑电图回忆间隔的估计
图4显示了使用20倍交叉验证估计每个受试者的回忆间隔的结果。在图 4 中，横轴是时间，纵轴是来自 5 个受试者的 200 个样本（总共 1000 个样本）的准确率。红框内是语音回忆部分。前文研究 [2] 中的方法（图 4 中的蓝线）的准确率在语音回忆片段之间下降到 0.2，而本文提出的方法（图 4 中的橙线）则达到了 0.8 的稳定准确率。 从这些结果可以看出，可以说所提出的方法对于估计回忆间隔是有效的。然而，当我们观察所提出的方法在语音回忆部分之外的准确度时，我们发现与以前的研究相比，该方法将语音回忆部分之外的部分估计为回忆率的情况更为常见。这被认为是由于大脑中噪音的影响。因此，我们旨在通过将增加的 10 个样本应用于所提出的方法来减少这种噪音。结果就是图4中的绿线。在保持回忆部分的准确度的同时，非回忆部分的准确度得到了提高。基于这些结果，我们研究了所提出方法的最佳添加次数。结果如图5所示。图 5 显示了所有受试者对每个加法数字的准确率。蓝线表示整个时间内的平均准确率，橙线表示回忆期间的最大准确率。横轴是添加的样本数量，纵轴是准确率。通过添加 sigma，回忆部分的准确率得到了提高，达到了约 90%。另外，10 次添加等于 1 个样本。
基于湿的树状结构的数字形式 -
抽象问题陈述：自然界中的自组织颗粒长期以来启发了结构形式。这些形式以有效地使用最小材料，并轻巧。物理模型已用于探索这些自组织粒子，并作为设计和计算的基础。然而，制作，测量和缩放这些模型是乏味的，尤其是对于复杂的几何形状，例如树状结构。如今，计算机模拟可以应用自然逻辑来创建数字模型。这些模型模拟形式调查和缩放速度更快，更容易。研究目标：这项研究的目的是提出一种数字工具，该工具源自算法设计，用于基于湿线模型的物理测试的分支结构的数字形式查找。研究方法：这项研究首先是通过研究该领域的可用资源和科学文章的研究，然后使用计算方法来设计数字工具。结论：基于湿线模型的算法设计简化了树状结构的最佳设计。它优化了设计结果和设计过程。物理形式调查通常会在将模型转换为建筑计划时面临困难。通过数字化此过程，最终形式的测量变得更快，更容易。这增强了这些形式的构造性。关键字：自组织模式，数字形式找到，算法设计，类似树状的结构。