XiaoMi-AI文件搜索系统
World File Search System特征提取
利用量子卷积神经网络进行去中心化特征提取
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
通过混合特征提取进行脑肿瘤识别...
脑肿瘤的识别是一个关键步骤，依赖于医生的专业知识和能力。为了让放射科医生能够发现脑肿瘤，自动肿瘤排列非常重要。本文提出了一种 MR 脑图像分割和分类技术，以识别图像的正常和异常。所提出的技术是一种混合特征提取，旨在增强分类结果，基本上包括三个阶段。第一阶段使用 3 级离散小波变换 (DWT) 提取图像特征。在第二阶段，应用主成分分析 (PCA) 来减小特征的大小。最后，使用随机森林分类器 (RF) 和特征选择进行识别。收集了 181 张 MR 脑图像（81 张正常和 100 张异常），在区分正常和异常组织方面，实验结果获得了 98% 的准确率，灵敏度达到 99.2%，特异性达到 97.8%，并与多种文献进行了比较，证明了所提出的技术的有效性。结果表明3L-DWT+PCA+RF仍然取得了最好的分类效果，该模型可以应用于脑MRI球体分类，在一定程度上可以帮助医生判断肿瘤是正常还是异常。
用于机器学习的透析回路运动和静脉压波形的特征提取
小野淳一 川崎医疗福祉大学 医疗技术学部 临床工程系 〒701-0193 冈山县仓敷市松岛 288 电话：086-462-1111 传真：086-462-1193
通过正交小波分解特征提取
在过去十年中，对便携式电子设备的需求迅速增加，这促使电池生产的增长增长。自从1990年代开发作为商业能源储能解决方案以来，锂离子电池（LIB）由于其较长的周期寿命，高能量密度，低自我放电速率和高工作电压而引起了科学和工业的极大关注。生产LIB需要大量的聚合物粘合剂 - 通常是聚偏二氟乙烯（PVDF），以进行处理和性能。但是，由于该材料是石化衍生的，因此它远非“绿色”或可持续性。另一方面，聚合物及其构建块在整个自然界中被广泛发现，并且可以以低成本从生物量中获得。因此，用生物质衍生的粘合剂代替PVDF是减少LIB环境足迹的一种有前途的方法。此外，聚合物粘合剂在下一代电池性能中起着至关重要的作用。例如，硅（Si）是一种有前途的大容量阳极材料，因为它具有高理论能力（4200 mahg -1），工作势较低，并且在地壳中具有很高的丰度。但是，由于传统的粘合剂仅与硅的天然表面相互作用，并且无法维持电极的长期完整性，因此其在电荷/放电期间的巨大变化往往会导致循环寿命缩短。自然衍生的聚合物由于其高结构优势而在该角色上取得了更好的成功。在这篇综述中，我们总结了源自各种生物质源的硅阳极粘合剂的最新发展，重点是聚合物特性及其对电池性能的影响。我们根据自己对这些作品的评估提出了各种观点，并对该领域的未来前景进行了简要评论。
基于自动编码器的特征提取到鲁棒的基于SSVEP的BCIS
摘要：对于具有肌萎缩性侧面硬化症（ALS）的受试者，言语和非言语通知受到很大的损害。基于视觉诱发电位（SSVEP）的大脑计算机界面（BCIS）是成功的替代增强通信之一，可帮助ALS与他人或设备进行通信。对于实际应用，噪音的影响大大降低了基于SSVEP的BCI的性能。因此，开发基于SSVEP的强大BCI对于帮助受试者与他人或设备进行交流非常重要。在这项研究中，提出了基于噪声抑制的特征提取和深度神经网络，以开发出强大的基于SSVEP的BCI。为了抑制噪音的影响，提出了一种denoising自动编码器来提取降解功能。为了获得实用应用的可接受识别结果，深层神经网络用于发现基于SSVEP的BCI的决策结果。实验结果表明，所提出的方法可以有效地抑制噪声的影响，并且基于SSVEP的BCI的性能可以大大改善。此外，深神经网络的表现优于其他方法。因此，提出的基于SSVEP的BCI对实际应用非常有用。
利用时域统计参数进行运动想象脑电图数据特征提取
J. Anila Maily a,b C. Velayutham 博士 c*，M.Mohamed Sathik da 研究学者，（兼职内部）（注册号：12336），Sadakathullah Appa 学院计算机科学系，Rahmath Nagar,Tirunelveli- 627011 b 副教授，圣玛丽学院（自治），Thoothukudi。 c *蒂鲁琴杜尔阿迪塔纳尔艺术与科学学院院长兼副教授，d Sadakathullah Appa 学院校长，Rahmath Nagar, Tirunelveli -627011, 泰米尔纳德邦，印度。 a,b,c,d 附属于 Manonmaniam Sundaranar 大学，Abishekapatti, Tirunelveli-627012, 泰米尔纳德邦，印度。文章历史记录：收稿日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线发表日期：2021 年 4 月 28 日 _____________________________________________________________________________________________________ 摘要：脑机接口 (BCI) 提供了大脑与外界之间的沟通途径。对于因神经肌肉疾病而致残的人来说，这是一种福音。BCI 的工作原理是测量脑信号、分析、解释它们并将其转化为动作。脑电图 (EEG) 是大脑产生的电活动的测量。运动意象是在没有任何身体运动的情况下对运动的心理模拟。每个脑信号都由几个称为特征的相关值量化。一旦提取出特征，就可以识别用户的意图。特征提取模块负责选择对分类非常重要的特征。在本文中，我们提出了时域统计特征提取技术，例如均值相关性、峰度、偏度，并使用 KNN 分类器进行分类。将结果与通用空间模式（CSP）提取的特征进行比较，并使用线性判别分析分类器进行分类。关键词：BCI，EEG，运动想象，特征提取
获取，预处理和EEG信号的特征提取到
使用推进剂分布，阳极，阴极，两个磁极以及所得的离子流动方向[2]上述示意图说明了基本霍尔效应推进器操作的功能，其推进剂分布，阳极，阴极，两个磁极，两个磁极和产生的离子流动方向显示。Hall推进器通过使用垂直电和磁场的功能。推进剂的中性原子从储罐（未显示）移动到同轴加速通道。同时，径向磁场作用会阻碍电子流从阴极到阳极的流。电子被困在同轴加速通道的出口附近。交叉场在ɵ方向上产生净霍尔电子电流。被困的电子充当储罐中性推进剂原子电离的体积区域（未显示）。电子与缓慢移动的中性群碰撞，产生离子和更多的电子，以支撑排放量和电离额外的中性性。由于其较大的Larmor Radii，其正离子没有受到磁场的较大仪表的影响。离子通过在等离子体上的磁场阻抗产生的电场加速。随后，所得的高速离子束被外部电子源中和。
时间相关 LiDAR 直方图的特征提取及基于神经网络的分析
摘要：时间相关单光子计数 (TCSPC) 用于获取单光子雪崩二极管产生的飞行时间 (TOF) 信息。由于每个直方图的测量值受限且存在高背景光，因此很难在统计直方图中获得 TOF 信息。为了提高这些条件下的稳健性，将机器学习的概念应用于统计直方图。使用我们介绍的多峰提取方法，然后进行基于神经网络的多峰分析，可以将分析和资源集中在直方图中的少量关键信息上。评估多个可能的 TOF 位置并分配相关的软决策。与使用传统数字处理的情况相比，所提出的方法在恶劣条件下分配 TOF 的粗略位置 (± 5 %) 时具有更高的稳健性。因此，它可以用于提高系统的稳健性，尤其是在高背景光的情况下。
基于脑功能网络和样本熵的脑电信号特征提取
(1) 维数 一般取值 1 或 2 ，当 时，要求数据量 在数千点以上，但 过大不能保证序列具有相同 的性质； 一定时，若 ，需要较大才能取得 较好的效果，但是太大会丢失序列的许多细节信 息。 Pincus [ 14 ] 研究认为 比 效果好，可使 序列的联合概率进行动态重构时提供更详细的信 息。 (2) 用来衡量时间序列相似性的大小。如果 选得太小，估计出的统计概率会不理想；若选得 太大，会丢失时间序列中很多细节，达不到预期的 效果。 Pincus [ 14 ] 通过对确定性和随机过程的理论分 析及其对计算和临床应用的研究，总结出取值为 ( 为原始序列的标准差 ) 能得出有效 的统计特征。 (3) 表示输入数据点，一般取值为 100 ～ 5000 。因此根据上述原则，本文取 , 。根据实验研究发现当 时，不同 状态的脑电信号的样本熵并无太大差异；当 时，不同状态的脑电信号的熵值有明显差异。 因此 取值为 100 。即用长度为 100 点，间隔为 4 点 的滑动窗计算 EEG 在运动想象期 (2 ～ 6 s) 的样本 熵序列，然后求该序列的均值作为该 EEG 的样本 熵。 ERS/ERD 现象主要出现在 C3 和 C4 电极对应的 感觉运动区上，例如，右手运动想象时可观测到 C3 电极对应的感觉运动区 ERD 现象，左手运动想 象时可观测到 C4 电极对应的感觉运动区 ERD 现